1

UNIDAD 1:
TEORÍA DE LA PROBABILIDAD.
OBJETIVO DE APRENDIZAJE: Interpretar los conceptos estadísticos para el análisis y representación gráfica de datos.
CONTENIDO:
1.1. Terminología: Teoría de la Probabilidad. Sucesos. Tipos de Sucesos: incompatibles, contrarios, compatibles,
dependientes, independientes y condicionados.
1.2. Propiedades Básicas de la Probabilidad: Reglas y condiciones de la probabilidad.
1.3. Métodos de Resolución de Problemas de Probabilidad: Por enumeración de casos, por el Teorema de
Probabilidad Completa, por el Teorema de Probabilidad Compuesta, por el Teorema de Bayes.

“La probabilidad es la parte de las matemáticas que trata de manejar con números la incertidumbre”

Del latín probabilitas, la probabilidad es la cualidad de probable (que puede suceder o que resulta verosímil).
También conocida como Teoría de la Probabilidad, es la rama de las matemáticas que se ocupa de medir o
determinar cuantitativamente la posibilidad (frecuencia) de que un suceso o experimento, sujeto a la
incertidumbre o la aleatoriedad, produzca un determinado resultado. La probabilidad, por lo tanto, como
veremos más adelante, es la razón entre el número de casos favorables y el número de casos posibles.
En la cotidianidad de nuestra vida escuchamos expresiones que hacen referencia a la probabilidad: “qué
probabilidad hay de que la vinotinto asista al mundial”, “es muy probable que apruebe el curso de estadística II”,
“existe una alta probabilidad de que tal o cual candidato gane las elecciones”, etc. En el presente curso haremos
un estudio riguroso de esta ciencia.
La teoría de la probabilidad tuvo su origen en el Siglo XVII en Francia, iniciándose con una sencilla teoría
matemática de los juegos de azar. Los juegos de cartas, dados, etc., constituían un entretenimiento corriente de
la época, de allí que muchos personajes apasionados por estos juegos buscasen algún método que les permitiera
ganar. Entre estos destaca el caballero De Meré, quien hacia 1650 le planteó su experiencia de juego al
matemático y filósofo Blaise Pascal (1623–1662), quien a su vez mantuvo correspondencia sobre el tema con su
amigo el matemático Pierre Fermat (1601–1665). Estos se percataron de que de los resultados posibles al lanzar
una moneda, un dado, etc., no se podían predecir de antemano. Esta imposibilidad de predicción constituye la
aleatoriedad, el elemento que caracteriza la falta de certeza, es decir, el azar del juego. De Meré había
encontrado, de acuerdo a sus propios cálculos, cierta discordancia entre las frecuencias relativas de las veces que
ganaba y el valor de la correspondiente probabilidad de ganar. Pascal y Fermat demostraron que los cálculos de
De Meré erran erróneos y que la probabilidad calculada correctamente estaba en concordancia con las
frecuencias relativas realmente observadas, no existiendo contradicción.
2

Hacia comienzos del siglo XVIII, James Bernoullí y Abraham de Moivre,
continúan con el desarrollo de la teoría de los juegos de azar, sobre la base de la
definición clásica de probabilidad, aplicando varios métodos de análisis combinatorio
y otras técnicas matemáticas. Con el tiempo, esta teoría que sólo se aplicaba a los
juegos de azar, sirvió de plataforma a algunos métodos para el estudio de poblaciones
humanas y su relación con los seguros de vida, tales como el método para el cálculo
de las tablas de supervivencia, valores de renta, primas de seguro, etc. Pierre Laplace,
publica en 1812 la “Theorie analytique desprobabilités”, tratado clásico sobre la
materia, con una exposición completa y sistemática sobre la teoría matemática de los
juegos de azar y un gran número de aplicaciones a cuestiones científicas y prácticas.
Karl Gauss, estudió las observaciones de medidas físicas y astronómicas mediante la
aplicación de la teoría de la probabilidad matemática, llegando a perfeccionar una
teoría de errores sistemática. Es famosa su curva normal de error o campana de
Pierre Simon Laplace
(1749 - 1827)
Gauss, de gran aplicación teórica y práctica.

El campo de aplicación de la teoría de la probabilidad se extendió rápidamente y sin interrupciones a lo largo
de todo el siglo XIX. El desarrollo de las matemáticas actuariales, que está basada en la aplicación de la
probabilidad a las estadísticas de mortalidad, constituyó la base del desarrollo de la institución de los seguros
de vida. En física corresponde mencionar el desarrollo de las difusiones y el movimiento browniano, en las
finanzas destaca el modelo de Black y Scholes para la valuación de acciones. La estadística es, también, una de
las áreas que permite obtener conclusiones respecto de la probabilidad de sucesos potenciales. Igualmente la
biología, la psicología, la economía y en general las ciencias naturales y sociales encontraron en la teoría de la
probabilidad un instrumento eficaz para desarrollar sus métodos de investigación científica. Por ejemplo; los
bienes de consumo ofrecen un certificado de garantía de acuerdo a las probabilidades de avería o fallo; si los
estudios y experimentos reflejan que resulta poco probable que el producto se dañe en los primeros meses de
uso, las empresas ofrecerán una cobertura por dicho periodo. Por otro lado, supóngase que se desea realizar una
investigación para contrastar alguna hipótesis; se examinan los datos para ver si tal o cual hipótesis se verifica o
no. El método seguido en estos casos implica el empleo del concepto de probabilidad, de manera que el resultado
que se obtiene se enuncia en términos probabilísticos.

Así pues, la teoría de la probabilidad modela los fenómenos aleatorios, aquellos que no ofrecen un resultado
único o previsible bajo condiciones determinadas. El lanzamiento de un dado, por ejemplo, es un fenómeno
aleatorio ya que puede arrojar diferentes resultados más allá de que se realice en las mismas condiciones. Como
veremos más adelante, la probabilidad mide la mayor o menor posibilidad de que se dé un determinado resultado
(suceso) cuando se realiza un experimento aleatorio. La probabilidad toma valores entre 0 y 1 (o expresados en
tanto por ciento, entre 0% y 100%): si un suceso no ocurre nunca, su probabilidad asociada es cero (suceso
imposible), mientras que si ocurriese siempre su probabilidad sería igual a uno (suceso seguro). El resto de los
sucesos tendrá probabilidades entre cero y uno, que será tanto mayor cuanto más probable sea que dicho suceso
tenga lugar. Así, las probabilidades suelen venir expresadas como decimales, fracciones o porcentajes.

El hombre siempre tuvo interés en cuantificar la probabilidad ya que dicha cuantificación ayuda a predecir
acontecimientos futuros. Por ejemplo: si todos los días martes, desde hace tres meses, se corta la luz, existirá una
gran probabilidad (aunque no una certeza) de que el próximo martes también se produzca el corte. Así, como ya
dijimos, las probabilidades aparecen asociadas a los fenómenos aleatorios o estocásticos. Un fenómeno aleatorio
es aquel en el cual la verificación de un cierto conjunto de condiciones determinadas conduce a un resultado
entre una serie de resultados posibles. Llamaremos experimento aleatorio a ese conjunto de condiciones
determinadas. Por contraposición, los fenómenos determinísticos o no aleatorios, son aquellos en los que la
verificación de un cierto conjunto de condiciones determinadas conduce, en forma inevitable, a un resultado fijo.
Por ejemplo, lanzar una moneda al aire y observar la cara que presenta al caer al piso es un experimento
aleatorio (tenemos dos resultados posibles: cara y sello), mientras que enfriar agua hasta cero grados centígrados
bajo presión atmosférica normal es un fenómeno determinístico (conduce inequívocamente a la formación de
hielo).
3

CONCEPTUALIZACIÓN DE LA PROBABILIDAD.
Antes de profundizar en la forma cómo se utilizan y determinar
valores de probabilidad, es necesario conocer en cierta manera de
donde provienen estos valores. Hay cuatro enfoques conceptuales,
(formas de calcular o estimar la probabilidad). El enfoque clásico
o “a priori” proveniente de los juegos de azar, se emplea cuando
los espacios muestrales son finitos y tienen resultados mutuamente
excluyentes e igualmente probables. El enfoque empírico, “a
posteriori” o frecuencial, que se basa en la frecuencia relativa de
ocurrencia de un evento con respecto a un gran número de ensayos
repetidos.

El enfoque subjetivo de la probabilidad, donde las probabilidades son grados personales de creencias acerca de
sucesos con incertidumbre, y por último, el enfoque estructural o axiomático, para el cual la probabilidad formal
es un concepto que se define por un sistema de axiomas y el conjunto de definiciones y teoremas que se pueden
deducir de esos axiomas. Seleccionar uno de los cuatro enfoques dependerá de la naturaleza del problema.

A. ENFOQUE CLÁSICO (a priori o Laplaciano).
Esta definición es de uso limitado puesto que descansa sobre la base de las siguientes dos condiciones:

1. El espacio muestral de todos los resultados posibles (S) es finito.
2. Los resultados del espacio muestral deben ser mutuamente excluyentes e igualmente probables.

Este enfoque permite determinar valores de probabilidad antes de ser observado el experimento por lo que se le
denomina enfoque a priori. También es conocido como definición de Laplace, quien define la probabilidad de
un suceso como el cociente entre casos favorables y casos posibles. Este enfoque asume la equiprobabilidad de
todos los resultados simples del espacio muestral. Los matemáticos llaman a esta asignación de probabilidades una
distribución de probabilidad uniforme.

Imaginemos un evento o suceso E, que de un total de n(S) casos posibles, todos igualmente probables, puede
presentarse en n(E) de los casos, entonces, la probabilidad de aparición del suceso E (conocida como su
ocurrencia) está dada por:

n E  n(E): Cantidad de casos favorables al evento E
p  P E   Donde
n S  n (S): Número de casos posibles.

La probabilidad de que no ocurra el suceso E, viene expresada así:

n S   n E  n S  n E 
q = P (no E)   
n S  n S  n S 

n E 
1  1  p  1  P E 
n S 

De la ecuación anterior se deduce que: P (E) + P (no E) = p + q = 1

4

Observaciones:
1. De la definición dada se obtiene que cada suceso elemental tiene probabilidad 1/n. Decimos en este caso
que los sucesos son equiprobables.
2. La probabilidad de un suceso es un número no negativo, y menor o igual que 1, es decir, para cualquier
suceso (E) tenemos que 0  PE   1

3. Si el suceso es imposible (no puede ocurrir) su probabilidad es cero (0). Como el conjunto vacío () es
un subconjunto del espacio muestral sin elementos, tenemos que su probabilidad es nula, es decir, P() = 0. Es
por esto que lo llamaremos suceso imposible, tal como veremos más adelante.

4. Si el suceso es cierto (tiene que ocurrir), su probabilidad es 1. Es decir, P(E) = 1, por lo que llamamos
suceso seguro al espacio de sucesos elementales o muestral (Ω), como veremos más adelante.

5. El número de resultados posibles (sucesos) tiene que ser finito. Si hubiera infinitos resultados, al aplicar
la regla casos favorables / casos posibles el cociente siempre sería cero.
6. Todos los sucesos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas caras tuvieran
mayor probabilidad de salir que otras, no podríamos aplicar esta regla.

Nótese que decimos resultados mutuamente excluyentes e igualmente posibles. Dos resultados son
mutuamente excluyentes si la realización de uno implica la imposibilidad de la realización del otro. El concepto
de resultados igualmente posibles implica que no hay nada que haga pensar que alguno de los resultados tiene
más posibilidades de darse que los otros.

En el momento de la aplicación de este enfoque a un experimento aleatorio real, nos enfrentamos con
el problema de decidir cuáles son los resultados simples que son igualmente probables. La existencia
de simetría en el experimento físico, que permite aplicar el principio de razón insuficiente de Laplace,
es una guía poco firme para ayudar en este problema, entre otras cosas, porque el mismo experimento
físico puede revelar diferentes simetrías lo que supone el problema de decidir entre ellas. Recordemos,
por ejemplo, que en la experiencia aleatoria del lanzamiento de dos dados se proponen tres modelos:
Maxwell-Boltzmann, Bose-Einstein y Fermi-Dirac. No cabe duda de que debe encerrar mucha
enjundia psicológica el enfoque de la equiprobabilidad porque una de nuestras principales industrias se
construye sobre esta idea: toda forma popular de juego, excepto apuestas en contextos de fuerza o
destreza, depende de aparatos aleatorios tales como cartas perfectamente barajadas, dados
perfectamente cúbicos o ruletas simétricamente divididas. Tales aparatos utilizan una simetría visible
para soportar la hipótesis de que los elementos simétricos son igualmente probables.

Ejemplos
1ro. Sea A el suceso de que aparezcan los números 1 ó 5 en una sola tirada de un dado.
Solución:
n (A): Número de casos favorables 1, 5 Dos casos.
n (S): Número de casos posibles 1, 2, 3, 4, 5, 6 Seis casos.
Si el dado está bien construido, podemos suponer que los seis casos son igualmente posibles.
n  A 2 1
Puesto que A puede presentarse con dos de estos seis casos, se tiene: p  P  A   
n S  6 3
1 2
La probabilidad de no obtener un 1 ó 5, es decir, de obtener 2, 3, 4 ó 6 es; q  P no A  1  
3 3
5

conocidas como ramas de segunda generación. ¿Cuál es la probabilidad de que caiga un dos hacia arriba? ¿Cuál la probabilidad de obtener un número par? 1 3 Solución: S = {1.2) (3. ooa. P par    0.4) (4. 2. ¿Cuál es la probabilidad de que en una familia que tiene tres hijos. Considerando que los 36 resultados posibles son equiprobables. es decir.5) (6.6) (4. la suma de los puntos obtenidos sea no menor que 8.2) (5. aoa. j). 5. j = 1.6) (5.6) (3.4) (6. aao.2) (4.3) (3.6) El suceso A consiste en que la suma de los puntos obtenidos es no menor que 8.1) (3. El experimento es lanzar un dado. y aplicando la definición de probabilidad.1) (4. En la construcción de un diagrama de árbol se partirá colocando una rama para cada una de las posibilidades.2) (6. n(E) = 3 n E  3 p  P E     0. obtenemos: 15 5 p  P ( A)    0. 6}. 15. ooo} : n(S) = 8 El evento E de que hayan dos niñas y un niño es E = {aao. luego.3) (1.4) (1. oaa} . Calcular la probabilidad de que al lanzar un dado dos veces consecutivas. oao.4) (3. El conjunto de sucesos elementales que describe los resultados de un experimento de este tipo se compone de 6x6 = 36 puntos de la forma (i. y hay tres pares. 4. hayan dos niñas y un niño. Solución: Designemos por (i. salvo si el nudo representa un posible final del experimento (nudo final). acompañada de su probabilidad. Consiste en una representación gráfica de esos posibles resultados y consta de una serie de pasos.4166 36 12 6 . 2. j) al resultado del experimento consistente en lanzar un dado dos veces consecutivas y obtener i puntos en el primer lanzamiento y j puntos en el segundo (i. 4.1) (5.1) (6. el espacio muestral es: S = {aaa.3) (6. El final de cada rama de primera generación se constituye a su vez en un nudo del cual parten nuevas ramas.1) (1. 3.3) (4. Cada una de estas ramas se conoce como rama de primera generación.5) (4. si se considera igualmente probable el nacimiento de un niño o niña? Solución: Usando "a" para niña y "o" para niño.5) (1.6) (6. cada uno con un número finito de maneras de ser llevado a cabo.4) (5.5) (2. 5.3) (5. aoo. y puede ser representado en la siguiente tabla (1. 4to.1) (2. Es claro que los casos favorables para la ocurrencia del suceso A son los indicados en la tabla. 6). Pcaiga 2   0.5) (3. puesto que 0  n E   n S  Un diagrama de árbol es una herramienta que se utiliza para determinar los posibles resultados de un experimento aleatorio.166 .6) (2. aoa. según las posibilidades del siguiente paso. Hay que tener en cuenta que la construcción de un árbol no depende de tener el mismo número de ramas de segunda generación que salen de cada rama de primera generación y que la suma de las probabilidades de los nudos de cada rama debe dar 1. 3.3750 Se sugiere la construcción de un diagrama de árbol n S  8 Obsérvese que siempre 0  PE   1 . 2do.5) (5.4) (2. oaa.50 6 6 3ro.3) (2.2) (1.2) (2.

700 48 0. y una determinada modalidad de A se da nA veces.51 255 0. se estima a partir de la frecuencia relativa observada de ese suceso en ensayos repetidos. Incluso la noción de estabilización de las frecuencias relativas a largo plazo presenta dificultades en relación al número de ensayos necesarios para lograr dicha estabilidad. más bien.52 454 0. Cuando se realiza un experimento aleatorio un número muy elevado de veces. El concepto es muy simple. es decir. ni que todos los sucesos tengan la misma probabilidad. basado en información obtenida después de realizar ensayos reales.47 204 0. a medida que aumentamos n. o la probabilidad de que una determinada máquina produzca artículos defectuosos. experimental. las frecuencias relativas correspondientes serán más estables. La idea intuitiva de probabilidad se basa en la llamada ley de los grandes números.500 51 0.508 7 .600 53 0. es decir: n P  A  Lím f A  Lím A n n  n Si continuamos calculando esta frecuencia relativa cada cierto número de ensayos.300 52 0. de este modo.523 300 .513 600 . Esto se ilustra en la siguiente tabla que muestra los resultados de una moneda lanzada al aire 1. si se pregunta por la probabilidad de que un paciente se cure mediante cierto tratamiento médico.54 508 0.800 46 0. En este modelo ya no será necesario que el número de soluciones sea finito.520 100 . B. La probabilidad es el límite hacia el que tiende la frecuencia relativa. Al aplicar esta definición. las probabilidades de los diversos posibles sucesos empiezan a converger hacia valores determinados. el enfoque frecuencialista implica la teoría de límites y la convergencia.53 105 0.46 402 0. Este es pues un enfoque a posteriori.510 500 .900 52 0.200 53 0.509 700 . Número de Número Frecuencia Frecuencia Frecuencia lanzamientos de caras relativa acumulada acumulada relativa 1 . Por desgracia. entonces no hay forma de introducir resultados igualmente probables. ENFOQUE DE FRECUENCIAS RELATIVAS (a posteriori o empírico). Por ejemplo. como sabemos que la frecuencia relativa de la modalidad A es f A = nA/n. a medida que el número de pruebas del experimento crece indefinidamente”.000 veces. Así. hay situaciones prácticas que no son de este tipo y la definición de Laplace no se puede aplicar.503 800 .100 52 0.504 900 -1000 54 0. Más aun. El concepto de probabilidad a priori tiene la desventaja de que no es aplicable cuando el número de resultados posibles es infinito. digamos. que son sus respectivas probabilidades. enunciada por Bernoulli: “La frecuencia relativa de un suceso tiende a estabilizarse en torno a un número. en este caso decimos que el experimento muestra regularidad estadística o estabilidad de las frecuencias relativas. hay dificultades obvias para definir lo que significa “similar” o '”aleatoriedad” ya que aparece la circularidad.400 47 0.48 356 0. tienden a ser casi las mismas.525 200 . Según el concepto de probabilidad a posteriori la probabilidad de la modalidad A sería el límite de la frecuencia relativa de A cuando n tiende a infinito. este concepto es válido solamente cuando los resultados son igualmente posibles.508 Total: 1000 508 0.52 157 0.53 308 0.52 52 0. Una forma de dar respuesta a estas preguntas es obtener algunos datos empíricos en un intento por estimar las probabilidades. la probabilidad de un suceso se obtiene o.510 400 . n veces. si realizamos un experimento aleatorio un número grande de veces. Por ello se necesita un concepto más general de probabilidad.

048 0. la frecuencia relativa de caras casi nunca será 1/2. la mayoría de incertidumbres que experimentan los seres humanos no se pueden describir por medio de probabilidades. crezca indefinidamente.000 12. es prácticamente cierto que la frecuencia relativa de E. No implica ningún supuesto previo de igualdad de probabilidades. puede ser bastante difícil determinar si una particular frecuencia relativa es un estimador apropiado de una probabilidad.000 o 5200/10. También se le denomina a posteriori.000 6.019 0. además. La probabilidad se define como el límite de la frecuencia relativa bajo el supuesto de que el número de observaciones o casos posibles. es importante tomar en cuenta los siguientes aspectos: 1) La probabilidad obtenida de esta manera es únicamente una estimación del valor real. "el 100. ¿Cuánta variación es permisible en el procedimiento de lanzamiento de una moneda. es decir: n P (E )  f E  E n Cuando se usa la definición frecuencial. tanto mejor será la estimación de la probabilidad. por esto podemos sospechar que prácticamente será cierto que la frecuencia relativa de un evento E en un gran número de ensayos es aproximadamente igual a un determinado número P(E). ya que el resultado se obtiene después de realizar el experimento un cierto número de veces. es decir. este enfoque permite determinar la probabilidad con base en la proporción de veces que ocurre un resultado favorable en cierto número experimentos. Además. "hay más de 1. decir que el evento E tiene probabilidad P(E) significa que si efectuamos el experimento muchas veces. Con esta concepción de la probabilidad. es decir la frecuencia relativa es aproximadamente igual a 0. pero ¿cómo se debería lanzarla? Los sucesivos lanzamientos se deberían realizar bajo condiciones "substancialmente idénticas" pero no pueden ser absolutamente idénticas porque la moneda caería siempre del mismo lado. por ejemplo. La mejor estimación frecuencialista de una probabilidad es la frecuencia relativa observada. El lanzamiento de la moneda es el ejemplo de frecuencias relativas que viene en los libros de texto. Entonces.012 0. 2) Cuanto mayor sea el número de ensayos. o sea. sino que se refiere a un cierto espacio muestral S y a un experimento aleatorio.5005 La mayoría de los experimentos aleatorios de importancia práctica tienen estabilidad.5069 K. 8 .5016 K. la validez de emplear esta definición depende de que las condiciones en que se realizó el experimento sean repetidas idénticamente.000 teléfonos en Aragua (Venezuela)". En resumen.000 dígito decimal de π es un 7".000 lanzamientos ocurrieron 508 caras. 3) La probabilidad es propia de sólo un conjunto de condiciones idénticas a aquéllas en las que se obtuvieron los datos.000.50. Obsérvese que este número es una propiedad que no depende solamente de E. de una tirada a la siguiente? La posición frecuencialista casi nunca llevaría a estimar que la probabilidad de conseguir caras es 1/2. En efecto. a mayor número de ensayos mejor será la estimación. Pearson 12. Pearson 24. en cualquier secuencia de lanzamientos razonablemente larga pero finita. A este enfoque se le denomina también enfoque empírico debido a que para determinar los valores de probabilidad se requiere de la observación y de la recopilación de datos. En la práctica la probabilidad se aproxima por la frecuencia relativa al repetir el experimento un número grande de veces. por tanto los frecuencialistas deben admitir estimaciones como 515/1. la simetría de la moneda. al menos que sean bastante sensatos para no recurrir a frecuencias relativas cuando tengan una base mejor para el juicio probabilístico. etc.000. Tres investigadores realizaron experimentos y obtuvieron los siguientes resultados Número de Número Frecuencia Investigador lanzamientos de caras relativa Buffon 4. fr(E) es aproximadamente igual a P(E). por ejemplo.040 2. variará de una ocasión a otra. En un total de 1.

080 caras.000 2) Se sabe que una moneda está cargada.41 60 3) Si en 2. ¿cuál será la probabilidad de que detenga al conductor de un vehículo sin cinturón de seguridad? 9 P  A   0.000 adultos que se encuentran en las categorías de edad apropiadas y descubre que 100 de ellos han experimentado el problema dental específico durante el año anterior. Por ello.000 4) Si en otros 1. 9 . Si aplicamos la fórmula: 25 P(cae cara )   0. una compañía de seguros desea determinar la probabilidad de ocurrencia de esa clase de problemas.01  1% 10 .200 lanzamientos es: 1.080  0. Ejemplos 1) Antes de incluir la cobertura para cierto tipo de problemas dentales en pólizas de seguros médicos para adultos con empleo. de las cuales 25 veces cayó cara. Para determinar la probabilidad de que caiga cara se lanza 60 veces la moneda al aire. la frecuencia relativa de caras es: 1.200 lanzamientos de la misma moneda resultan 560 caras.5125 3.54 2 . De los resultados se puede concluir que este límite sería 0.000 lanzamientos de una moneda resultan 1.080  560  0. para que pueda fijarse la prima de seguros de acuerdo con esas cifras. en el sentido de que los valores de probabilidad indican a largo plazo la tasa relativa de ocurrencia del evento. si se continúa de esa forma.18  18% 50 Tanto el enfoque clásico como el enfoque empírico conducen a valores de probabilidad. Por ello. nos estaríamos acercando más y más al resultado que puede llamarse “probabilidad de cara en el lanzamiento de la moneda”. la probabilidad de ocurrencia es: 100 P (A )   0. la frecuencia relativa para el total de los 3.200 De acuerdo con la definición en términos de frecuencia relativa. un especialista en estadística recopila datos para 10. Si un fiscal de tránsito se para en esa intersección un día cualquiera. Otro ejemplo: 5) Se ha observado que de 50 vehículos que pasan por una intersección.50. 9 de ellos no tienen cinturón de seguridad.

El enfoque señala que la probabilidad de un evento es el grado de confianza que una persona tiene en que el evento ocurra. 10 .70. el tipo más importante de condicionamiento tiene que ver con la información disponible en el momento en que se evalúa la probabilidad. las probabilidades son evaluaciones de situaciones que son inherentes a la mente del sujeto y no a las características del mundo real que nos rodea tal como se asume implícitamente en los dos primeros enfoques. C. El enfoque subjetivo de la probabilidad no supone relativismo cultural o científico en el sentido de que no implica que "tu conjetura es tan buena como la mía". por ejemplo: "esta bolsa contiene 50 bolas rojas y 50 azules. El enfoque subjetivista de la probabilidad no ha formado parte de la enseñanza tradicional de la teoría de probabilidades. Esta aproximación que surge de opiniones inicialmente divergentes es una razón para considerar "objetivas" las inferencias desde las frecuencias relativas. ninguno de los cuales llega a 1. metiendo la mano en la bolsa a ciegas y cogiendo la primera que encuentra. creencias personales y otra información indirecta. Se diferencia de lo dos enfoques anteriores. tu opinión y la suya se verán tan transformadas por una serie de observaciones relevantes que llegarán a ser casi indistinguibles. las opiniones. La posibilidad de que el enunciado sea verdad depende de cuestiones tales como dónde estoy en este momento y cuál es la secuencia probable de sucesos que me llevará a ver a alguna persona: puedo estar en casa con mi mujer e hijos. "Las probabilidades son grados personales de creencia acerca de sucesos con incertidumbre". Algunas veces la proposición a la que se asigna una probabilidad define completamente el conjunto de partida. puede diferir radicalmente de la de tus vecinos (de ahí viene el nombre de probabilidades personales). fundamentado en la intuición. ¿Será roja?". con base en toda la evidencia que tiene disponible. Representa el tipo de probabilidad que en el Renacimiento se calificaba como opinión o grado de creencia. Debido a que el valor de la probabilidad es un juicio personal. opiniones. La coherencia formaliza esta idea básica de la que se pueden deducir las leyes básicas de la probabilidad. Todas las probabilidades son condicionadas para el enfoque personalista. todas las incertidumbres se pueden medir apropiadamente utilizando probabilidades. Puesto que las probabilidades modelan creencias u opiniones. La regla fundamental para cambiar las probabilidades cuando se dispone de nueva información es el teorema de Bayes. con mayor frecuencia. para ser tratadas como probabilidades deben ser consistentes. Formalmente. completamente mezcladas. Por ejemplo. que es una formalización matemática del proceso de aprendizaje desde la experiencia. 2) Hay una alta probabilidad de sacarme un 20 en esta materia. no todas las opiniones numéricas acerca de resultados inciertos son probabilidades. Este enfoque no depende de la repetitividad de ningún evento y permite calcular la probabilidad de sucesos únicos y se da el caso de que ocurra o no esa única vez. Aunque tu opinión inicial sobre la futura conducta de una moneda o sobre cualquier otra hipótesis incierta. Ejemplos 1) Hay una probabilidad del 90% de que las ventas mejoren el año próximo. sería tonto hacer una apuesta de 3 a 2 en cada uno de los dos caballos que participan en una carrera porque se pierde dinero en cuanto que la ganancia de 2 en un caballo no compensa la pérdida de 3 en el otro. independientemente de que sea explícita o implícita. Razón por la que este enfoque personalista de la probabilidad se llama con frecuencia Bayesiano. Uno de nosotros selecciona una. puedo estar en un partido de baloncesto Toros-Guaiqueríes. La información condicionante siempre existe. debido a que tanto el enfoque clásico como el de frecuencia relativa producen valores de probabilidad objetivos.70 cm". Sin embargo. Desde este enfoque. por ejemplo: "la siguiente persona que veré medirá al menos 1. se puede establecer una partición en cualquier conjunto de sucesos y una probabilidad es una medida asignada a cada uno de los subconjuntos de la partición. al enfoque subjetivo se le denomina también enfoque personalista. la proposición omite la mayor parte de la información que especifica el conjunto de partida. La mayoría de los libros de texto enseñan las probabilidades que tienen que ver con experiencias aleatorias repetibles y que describen sucesos más que opiniones acerca de proposiciones o enunciados. ENFOQUE SUBJETIVO DE LA PROBABILIDAD (personalista o Bayesiano). Sin embargo. En este enfoque. en el segundo caso aumenta esta probabilidad. en el primer caso la probabilidad de que se cumpla el enunciado será muy baja.

En una aplicación determinada hay que elegir una interpretación específica subjetiva u objetiva para determinar el modelo y las probabilidades inherentes. En ambos modelos la probabilidad es una característica inherente del dado y del procedimiento de lanzamiento. exactamente igual que la geometría y el álgebra. Esto significa que posiciones competitivas utilizan el mismo lenguaje axiomático con respecto a la sintaxis. Para Kolmogorov. este enfoque estructural no clarifica la naturaleza de la probabilidad aunque los teoremas deducidos son un indicador de posibles interpretaciones. puede y debe ser desarrollada desde los axiomas. porque se puede asumir que hay seis caras todas ellas igualmente probables. se puede asignar un valor diferente de 1/6 si el dado es negro o más pesado o más pequeño o está suavemente cincelado. Por ejemplo. no implica ningún problema lógico que haya valores en conflicto. según esta perspectiva. Estos axiomas corresponden a la definición axiomática de la probabilidad de Kolmogorov. De hecho. Sin embargo. para el estructuralista no hay forma de decidir qué modelo es mejor. confirman esta relación. El modelo frecuencialista asigna una probabilidad realizando ensayos repetidos o asignando el mismo valor para el dado azul cuando experiencias con otro dado han producido un resultado de 1/6. La posición objetivista abarca los enfoques clásico y frecuencialista. La probabilidad formal es un concepto que se define por un sistema de axiomas y el conjunto de definiciones y teoremas que se pueden deducir de esos axiomas. especialmente del modelo frecuencialista. Es notable que las teorías estructurales construidas sobre varios sistemas de axiomas son idénticas para objetivistas y subjetivistas si se apartan las variantes subjetivistas más radicales como la de de Finetti. ambas son importantes para evaluar probabilidades. Algunos teoremas como las leyes de los grandes números. puede servir como una estructura teórica para las dos principales concepciones de la probabilidad. 11 . Un ejemplo estándar de lanzar un dado azul determinado puede ayudar a ilustrar las diferentes posiciones teóricas. como los de coherencia y consistencia. pero insiste en que las ideas de simetría o frecuencia hay que hacerlas explícitas y usarlas con cuidado. Unas probabilidades se deducen de otras probabilidades de acuerdo a teoremas matemáticos. El modelo estructural no ayuda a determinar un valor para la probabilidad. A pesar de la equivalencia formal de los enfoques. se considera que los axiomas de Kolmogorov son una justificación de la posición objetivista. Los axiomas que se basan en una conducta de apuestas "racional". por supuesto que se necesita alguna base para tomar la decisión pero dado que no se considera la probabilidad como inherente al objeto. La posición subjetivista trata la probabilidad como un grado de confianza en proposiciones que expresan incertidumbre. El modelo clásico asigna una probabilidad de 1/6 al suceso de conseguir un seis. Filosóficamente. Según Barnett. El modelo subjetivista afirma que la probabilidad es un constructo mental que se puede alterar si se dispone de nueva información acerca del dado. la probabilidad es un tipo de disposición de ciertos sistemas físicos que se relaciona con frecuencias empíricas. sin justificación para sus valores numéricos en ninguna aplicación. como disciplina matemática que es. proporcionan reglas para asignar probabilidades. la semántica es diferente. ENFOQUE ESTRUCTURAL O AXIOMÁTICO (Definición Axiomática de Kolmogorov). la objetivista y la subjetivista. se pueden deducir leyes o propiedades de la probabilidad en forma lógica o computacional bajo ciertas suposiciones llamados axiomas de la probabilidad. Después de establecer una forma de determinar la probabilidad experimentalmente. la teoría de la probabilidad. la concepción subjetivista no rechaza consideraciones de simetría o de frecuencias relativas. naturalmente. D.

Estos experimentos también se llaman estocásticos. Toda la teoría elemental de la probabilidad está construida sobre las bases de estos simples axiomas. de un evento A es el evento que consiste en todos los resultados que no contiene el evento A. aunque si conocemos todos los resultados posibles. tampoco podemos determinar el resultado que vamos a obtener. 12 . Si A y B son dos eventos cualesquiera definidos en el mismo espacio muestral y. Nótese que si lanzamos un dado.. entonces: 0 ≤ P (E) ≤ 1. DEFINICIÓN OPERACIONAL DE TÉRMINOS. son ejemplos de ello. pero si se conocen todos los resultado posibles. la probabilidad de que ocurra A ó B es la suma de probabilidad de sus probabilidades: P (A  B) = P (A) + P (B). mientras que el conjunto de todos los posibles resultados al realizar el experimento es lo que llamaremos espacio muestral. . Su probabilidad se calcula con la fórmula: P ( A ) = 1 – P (A). (Ver suceso incompatible o mutuamente excluyentes). es el valor numérico P(E) que satisface los siguientes axiomas: . entonces: P (S) = 1. la extracción de una baraja de un juego. Se puede conocer la lista de todas las participantes inscritas. . pero no la lista de las escogidas. solapado o no mutuamente excluyente). El certamen constituye el experimento aleatorio. entonces A y B se dice que son no mutuamente excluyentes y.Si E es un evento definitivo del espacio muestral S. si A  B ≠ .Si S representa el conjunto de todos los resultados posibles de un experimento aleatorio. Si se realiza una sola prueba. El resultado no se conoce a priori. el nombre de las cinco finalistas no se sabrá con certeza hasta tanto no se realicen las pruebas correspondientes para elegirlas. si A  B =  . la probabilidad de que ocurra A ó B es la suma de sus probabilidades menos la probabilidad de ocurrencia de ambos eventos: P (A  B) = P (A) + P (B) – P (A  B). Si A y B son dos eventos cualesquiera definidos en el mismo espacio muestral y. entonces A y B se dice que son mutuamente excluyentes y. El lanzamiento de una moneda una o varias veces. La probabilidad de un evento E en un experimento aleatorio. (Ver suceso compatible. AXIOMAS DE PROBABILIDAD. EXPERIMENTO ALEATORIO. la misma constituye un experimento aleatorio.Evento complementario. Es el conjunto de pruebas aleatorias realizadas en las mismas condiciones. etc. En el certamen de belleza Miss Venezuela.

COMPROBACIÓN DE LOS APRENDIZAJES 1) Sea el experimento lanzar dos monedas simultáneamente. E = E1 . se construye la parte positiva (primer cuadrante) del sistema de ejes rectangulares.S) C (1. b) A través de un diagrama de árbol Segunda 1ra 2da (moneda) Primera moneda moneda C C S C CC CS C S SC SS S C S Luego el espacio muestral de estas dos monedas sería S S   CC. 6S b) La otra forma de obtener el espacio muestral para este tipo de ejemplos es. 5C. 5S. 2C. Estos resultados podemos obtenerlos mediante dos procedimientos: a) A través de un producto cartesiano.S) (6. uno rojo y otro verde. 4. representando gráficamente el producto cartesiano en un sistema de ejes rectangulares.S) (5. describa su espacio muestral. 4S. sello = C.C) (5.C) X 1 2 3 4 5 6 Dado 3) Sea el experimento lanzar tres monedas simultáneamente. 6C. 1S. 6 Espacio muestral de la moneda y el dado al ser lanzados juntos. CS. 3S. Se coloca en el eje Y (ordenadas). b) E1 = (X = suma de las caras) tal que X > 12 c) E2 = (X = suma de las caras) tal que X  3 sea entero d) E3 = (Sx = suma de las caras) tal que 2  X  12.C) (4. los puntos muestrales del dado. Solución: a) Se puede resolver a través del producto cartesiano de los dos espacios muestrales simples: Espacio muestral para la moneda: E1 = cara. 4C. construya su espacio muestral a través de los procedimientos mostrados. 5.S) (4. ¿Cuántos puntos muestrales contiene el espacio muestral? 13 . Solución: Nuestro espacio muestral sería los cuatro posibles resultados de este experimento.S) (2. E2 (Producto cartesiano) E = 1C. Para lograr la representación gráfica. Localizar el espacio muestral. 3C.C) (3. los puntos muestrales de la moneda y en el eje X (abscisas). Finalmente se coloca en cada intersección el evento compuesto correspondiente: Y (Moneda) S (1.S) (3. Determine: a) El espacio muestral. 2S. SS 2) Se lanzan juntos una moneda y un dado. S Espacio muestral para el dado: E2 = 1. SC. Los posibles resultados son el número posible de unidades defectuosas. 4) Se lanzan dos dados.C) (6. 5) Un experimento aleatorio consiste en seleccionar 200 unidades de la producción de cierto artículo. 3. y observar cuántas son defectuosas.C) (2. 2.

al lanzar dos dados los resultados son independientes. Es el conjunto de todos los resultados posibles de un experimento aleatorio. 14 . P (A  B) = P (A) + P (B) – P (A  B). 4. Está formado por todos los posibles resultados del experimento. 6. consideremos el espacio muestral asociado al lanzamiento del dado. el espacio muestral es S = 1. 3. Por ejemplo. Es el que no se verifica nunca por no tener ningún elemento. Dos sucesos. Se representa por . También llamado espacio de sucesos elementales. Ejemplo. 5. SUCESO DEPENDIENTE. y viceversa. 6). Otro ejemplo sería el lanzar un dado. A y B son compatibles porque 6 es un suceso elemental común. S = (1. ESPACIO MUESTRAL O DE SUCESOS. Dos sucesos. A y B. 2. es decir. si no se da uno. La probabilidad de la unión de dos sucesos incompatibles será igual a la suma de las probabilidades de cada uno de los sucesos. SUCESO IMPOSIBLE. son sucesos dependientes. Ā: "salir número par" = (2. P (A  B) = P (A) + P (B). 6). A y B son incompatibles. sin reposición. Los sucesos A y Ā son complementarios. Ejemplo: En el lanzamiento de un dado. Dado un suceso cualquiera A del espacio de sucesos S. son dependientes cuando la probabilidad de que ocurra A se ve afectada porque haya o no ocurrido B. SUCESO SEGURO O CIERTO. 3. 3. en el lanzamiento de una moneda. al lanzar un dado obtener una puntuación que sea menor que 7. son incompatibles cuando no se pueden dar al mismo tiempo ya que no tienen elementos comunes (su intersección es el conjunto vacío). un suceso elemental sería obtener 5. Dos sucesos. SUCESO CONTRARIO O COMPLEMENTARIO. Es cada uno de los elementos que forman parte del espacio muestral. SUCESOS ELEMENTALES. Por ejemplo. y los siguientes sucesos A: "salir número impar" = (1. Se simboliza por la letra S o bien con la letra griega mayúscula Ω -omega-. 2. al lanzar un dado obtener una puntuación igual a 7. si A es sacar puntuación par al lanzar un dado y B es obtener múltiplo de 3. Cada uno de ellos es un suceso o caso posible. ya que si se realiza A no se realiza Ā y si se realiza Ā no se realiza A. Dos sucesos. SUCESO INDEPENDIENTE. P A  1  PA  . Ejemplo. A y B. A y B. SUCESO INCOMPATIBLE (mutuamente excluyentes). ya que su intersección es el conjunto vacío y por lo tanto no hay que restarle nada. posibles resultado de un experimento aleatorio y se simboliza con la letra “E”. son compatibles cuando tienen algún suceso elemental común. a un suceso  que se realiza cuando no se realiza A. SUCESO COMPATIBLE. Es decir. son independientes cuando la probabilidad de que ocurra A no se ve afectada porque haya o no ocurrido B. otro suceso sería que saliera par y otro obtener un múltiplo de 3. Ejemplo. coincide con el espacio muestral y por eso lo representaremos también por la letra S. Por ejemplo. 5). 4. Un suceso elemental es un suceso unitario y constituyen un subconjunto del espacio muestral. Se denota por A (también por A’). obligatoriamente se tiene que dar el otro. (¿Por qué?) Los eventos mutuamente excluyentes deben ser dependientes. A y B. 4. Es el que siempre se realiza. Por ejemplo. (Solapados o no mutuamente excluyentes). si A es sacar puntuación par al lanzar un dado y B es obtener múltiplo de 5. Por ejemplo. extraer dos cartas de una baraja. También se conoce como punto muestral o suceso aleatorio. se llama suceso contrario del suceso A. los puntos muestrales son E1 = cara y E 2 = sello. La probabilidad de la unión de dos sucesos complementarios es igual a 1. 5.

¿Cuál es la probabilidad de que la primera carta extraída sea negra y cuál la probabilidad de que la segunda carta extraída también lo sea? Solución: Como se trata de un experimento con reemplazo. 4 2. (a. 4. 13 tréboles y 13 diamantes ).d).B  C = Sale un número impar o un número menor que cinco  B  C = 1. es el suceso formado por todos los elementos de A y de B. A  B. 3. c. (d. 2. E2 = {2}. la probabilidad de que la primera carta sea negra es 26/52 y la probabilidad de que la segunda carta extraída también sea negra continua siendo 26/52.d) Cada resultado indica cuales elementos fueron seleccionados y en qué orden. 4.Λ. 5. 4.b). (c. (b. Espacio Muestral S = {1.a). b. 5 C = Sale un número menor que cinco = 1. E3 = {3}.b). anotamos su identificación y volvemos a colocarlo con los demás y así sucesivamente hasta haber registrado los r elementos. 4 Definamos algunos sucesos compuestos. 4. 6} Sucesos o eventos simples: E1 = {1}. de A y de B. por lo que. 1. Si extraemos dos cartas del juego de baraja y el muestreo se hace con reemplazo.. E2 = {2. a la vez. anotamos su identificación y lo volvemos a colocar entre los demás. 3. Ejemplo: Experimento que consiste en arrojar un dado.a). 6. es decir. (b. 15 . 6} La unión de sucesos. Si tenemos n elementos y seleccionamos r al azar procedemos de la siguiente forma: seleccionamos un primer elemento al azar. (c. 5. (b. 2. Así el número de maneras diferentes de seleccionar los r elementos es: n r Ejemplo: Sean 4 elementos a. (a. Observe que la unión se relaciona con el operador lógico O o V A  B   X  S / X  A  X  B La intersección de sucesos.a). E = 1. 3. 3.b). 13 corazones .a). 4. Es una combinación de eventos elementales que se forman a partir de dos o más eventos simples.c). 1. E6 = {6} Sucesos o eventos compuestos: E1 = {1.c). tomando en cuenta las operaciones entre conjuntos. (b. (c.c). el mismo elemento puede ser tomado más de una vez..b). 2. SUCESO COMPUESTO. luego seleccionamos un segundo elemento al azar.A  C = Sale un número par o un número menor que cinco  A  C = 2. (d. (d. 6 B = Sale un número impar = 1. de ellas 13 son picas . 3 3.c). Observe que la intersección tiene mucha relación con el operador lógico Y . 5 SELECCIÓN CON REEMPLAZO. (c. E4 = {4}. los cuales serían (a.d). 3. d y seleccionemos 2 al azar. 6 Algunos sucesos simples de E. (d. Ejercicio: Sea un juego de barajas de 52 cartas (26 rojas y 26 negras. serían: A = Sale un número par = 2. 2. E5 = {5}. es el suceso formado por todos los elementos que son. 5}. A  B. Si el muestreo se hace con remplazo el número de maneras diferentes de seleccionar 2 elementos es 4 2 = 16. Es cuando cada elemento o punto muestral elegido de la población se devuelve a ésta antes de seleccionar otro. A  B   X  S / X  A  X  B Ejemplo: Sea el experimento lanzar un dado y observar el número que sale en la cara superior.A = No sale un número par  A = 1.d).. 5. (a. 3. 3.

Por lo que A y B son mutuamente excluyentes. (b. SS e intersectemos A y B. SUCESO INCOMPATIBLE (disjuntos o mutuamente excluyentes). En cada ensayo se saca una bola y se devuelve a la caja. Por ejemplo.c). Como ya dijimos en la definición operacional de términos.d). … . Se calculan las probabilidades de cada evento: fr 3 fr 4 fr 3 P rojas =  P negras =  P verdes =  n 10 n 10 n 10 3 4 7 b. dos o más sucesos son mutuamente excluyentes si ellos no ocurren simultáneamente o si su intersección es vacía. 2) En una caja hay 3 bolas rojas.c). (E1  E2 = ) porque no tienen puntos muestrales en común. entonces P(E1  E2  …  En) = P(E1) + P(E2) + … + P(En) Ejemplos: 1) En el lanzamiento de una moneda. E2. En son mutuamente excluyentes dos a dos.6 10 10 10 16 . E1 E2 P (E1 ó E2) = P (E1  E 2) = P (E1) + P (E2) Si E1. b) rojas o verde. La probabilidad de extraer una bola roja o negra es: Proja ó negra = Proja + Pnegra     0. entonces A  B = . Solución.d) 2   2 ! 4  2! TIPOS DE EVENTOS O SUCESOS. anotamos su identificación y lo separamos de los demás y luego seleccionamos un segundo elemento al azar. SC. su intersección es nula. E1 y E2 son sucesos mutuamente excluyentes y la P(E1  E 2) = 0 La probabilidad de ocurrencia de E1 o E2. es decir. Si el muestreo es hecho sin reemplazo el número de maneras diferentes de seleccionar 2 elementos es 4 4!     6 los cuales serían (a. Procedimiento: a. si la ocurrencia de uno cualquiera de ellos imposibilita la ocurrencia de los otros. SELECCIÓN SIN REEMPLAZO. Así el número de  n maneras diferentes de seleccionar los r elementos será:   r   Ejemplo: Sean 4 elementos a. (a. sean lo sucesos E1 y E2 señalados en la figura. es decir. 4 negras y 3 verdes. (a. La probabilidad de extraer una bola roja o verde es: Proja ó verde = Proja + Pverde     0.d). si A = sale cara y B = sale sello. b. es la suma de las S probabilidades de cada uno. Como puedes ver se puede obtener cara y sello al mismo tiempo al lanzar dos monedas. c. SC y B = sale sello = CS. entre los (n – 1) elementos restantes y así sucesivamente hasta obtener los r elementos. (b.7 10 10 10 3 3 6 c. resultaría A  B ≠ .b). (c. La probabilidad de obtener una cara y un sello simultáneamente es imposible. Si tenemos n elementos y seleccionamos r al azar procedemos de la siguiente forma: escogemos al azar un elemento. Mientras que si en el experimento lanzar dos monedas simultáneamente definimos los sucesos A = sale cara = CC. d y seleccionemos 2 al azar. por lo tanto. CS. Lo que significa que A y B no son mutuamente excluyentes. De la teoría de conjuntos se sabe que dos o más conjuntos que no tengan puntos muestrales en común su intersección es vacía o nula. Calcular la probabilidad de extraer: a) una bola roja o negra.

Como los eventos son mutuamente excluyentes (no existe para este ejemplo ninguna persona graduada en ambas profesiones).E ó Bioanalista =    0.5125 de que la persona seleccionada sea licenciado en Educación o Bioanálisis. ¿Cuál es la probabilidad de que la carta extraída sea un as o un rey? Solución. la probabilidad de que la persona elegida sea o Licenciado en Educación o Bioanalista. f R. Se sustituye en la fórmula para eventos mutuamente excluyentes 1 1 2 P E1 ó E2 =   13 13 13 g. al extraer una baraja al azar. Los eventos son mutuamente excluyentes.I = 120. e. Bioanalista = n 400 400 b. Si se elige una persona al azar de este grupo. existe la probabilidad de que de 13 extracciones en 2 ocasiones sea un as o un rey. se extrae aleatoriamente una carta. f Bioan = 80.E = 125. 3) De un grupo de profesionales recién graduados 125 son licenciados en Educación. En un juego de 52 cartas. existe una probabilidad de 0. 120 en Relaciones Industriales. 80 en Bioanálisis y 75 en Economía. f EC = 75 n = 125 + 120 + 80 + 75 = 400 f LE 125 80 P L.5125 400 400 400 c. 4) De unas barajas compuestas por 52 cartas. P L. es decir. f L. La extracción de un as es el evento E 1 b. Procedimiento: a. Interpretación: En un juego de barajas de 52 cartas. ya que no existen puntos muestrales comunes. Se calcula. no existe as de rey. Procedimiento: a. 125 80 205 P L. Interpretación: Si del grupo de recién graduados se selecciona una persona al azar. Se calcula la probabilidad de cada evento por separado 4 1 P E1 = P as =  52 13 4 1 P E2 = P rey =  52 13 f. sea graduado en Educación ó Bioanálisis? Solución. 17 . existen 4 ases y 4 reyes. ¿qué probabilidad existe de que la persona elegida. d. por separado. se aplica la fórmula respectiva. La extracción de un rey es el evento E2 c.E =  .

son compatibles si tienen puntos muestrales comunes. De un juego de 52 barajas. P E2 La fórmula para tres eventos solapados: PE1  E2  E3 = PE1 + PE2 + PE3 – PE1  E2 – PE1  E 3 – PE2  E3 + PE1  E2  E3 S E1  E2 E1 E2 E1  E2  E3 E3 E1  E 3 E2  E3 Ejemplos 1. P E2 = P espada = 52 52 d. Procedimiento: a. Los dos eventos son: E1: Extracción de un as (existen 4) E2: Extracción de una espada (existen 13) b. Dos eventos E1 y E2. La fórmula para calcular la probabilidad de dos eventos solapados es: E1 E2 P E1  E 2 = P E1 ó E2 = P E1 + P E2 – P E1  E2 Donde: P E1  E 2 = P E1 . SUCESO COMPATIBLE (Solapados o no mutuamente excluyentes). Los dos eventos son compatibles ya que existe un as de espada. S La zona coloreada representa la intersección de E1 y E2: E1  E2. se extrae una carta al azar ¿Cuál es la probabilidad de extraer un as o una espada o ambas cosas. forman un subconjunto llamado Intersección de E1 y E2. y se representa por E1  E2. Se consigue la probabilidad: P E1  E2 4 13 4  13 1 P E1  E2 = P E1 . en una sola extracción? Solución. Se calcula la probabilidad de cada evento 4 13 P E1 = P as = . Los puntos muestrales comunes a E1 y E 2. P E2     52 52 52  52 52 e. Se sustituye en la fórmula para eventos compatibles o solapados: 4 13 1 4 P E1  E2 = P E1 + P E2 – P E1  E2     52 52 52 13 18 . c.

Los dos eventos son solapados ya que el estudiante seleccionado puede ser de segundo año y a la vez hembra. Se halla la probabilidad de que el estudiante elegido sea de segundo año y a la vez hembra: P  E2  H = P  E2 . Se calculan las probabilidades de ambos eventos f 120 12 f 170 17 P  E2 =    0.44  0. SUCESOS IGUALMENTE PROBABLES O EQUIPROBABLES. e3. existe una probabilidad de 0. ya que P(A) = P(B) = ¼ 19 . Se sustituye en la fórmula para eventos solapados: P  E2  H = P  E2 + P  H – P  E2  H  0.13  0. sea de segundo año o hembra. La expresión “seleccionar un elemento al azar de un conjunto E” significa que E es un espacio muestral equiprobable.62 f. er y. donde cada elemento o suceso elemental tiene la misma probabilidad de ser seleccionado o de ocurrir. sabemos que.31 P H =    0.13 39 39 507 e. P H 12 17 68     0. SC.62 de que sea de segundo año y hembra. el espacio muestral está definido como E = CC. formado por r sucesos elementales. P(E) = P(e1) + P(e2) + P(e3) + … + P(er) y como P(e1) = P(e2) = P(e3) = … = P(er) entonces 1 1 1 1 P E      r veces  n n n n Nota: Selección al azar o aleatoria: Es el procedimiento mediante el cual cada uno de los elementos de la población posee la misma oportunidad de ser elegido o extraído para formar parte de una muestra. E 2: Que el estudiante elegido sea de 2do año . H: Que el estudiante elegido sea hembra b. En un liceo de Cagua se conoce la siguiente distribución de estudiantes clasificados por años y sexo. es decir. Por lo que 1 PE   . E = e1. Procedimiento: a. Si A es un suceso cualquiera definido en un espacio muestral S. … . Los eventos son. Interpretación: Si del liceo en referencia se elige un estudiante al azar.44 n t 390 39 n t 390 39 d. además. c. Solución. veamos algunos sucesos equiprobables: A = CC y B = CS. e2. Varones (V) Hembras (H) Total Primer año (E1) 100 80 180 Segundo año (E2) 70 50 120 Tercer año (E3) 50 40 90 total 220 170 390 Determina la probabilidad de que al seleccionar un estudiante al azar. 2. CS. Dos sucesos son equiprobables si tiene igual probabilidad de ocurrir y el espacio muestral de donde provienen estos sucesos lo llamamos espacio muestral equiprobable.31  0. si E tiene n elementos. n Ejemplo: En el experimento lanzar dos monedas simultáneamente. SS.

E’ es el complementario de E. 20 . por lo que se tiene P S = P E + P E’ = 1 P E’ = P S – P E’ = 1 – P E En general: la probabilidad de un suceso complementario a un suceso (A) es igual a 1 – P(A) y la probabilidad de la unión de dos sucesos complementarios es igual a 1. Casos favorables Dado 1 Dado 2 1 5 2 4 3 3 4 2 5 1 Total de casos favorables: 5  P E = 5/36 c. Para ello se multiplica el número de puntos muestrales de cada dado: 6. Se aplica la fórmula de eventos complementarios 5 31 P E’ = 1 – P E = 1 –  36 36 d. Dos eventos E1 y E2. Ejemplo: ¿Cuál es la probabilidad de que la suma de los números que salgan al lanzar dos dados no sea 6? Solución. Se determina para la prueba aleatoria. P S = 1. Los eventos complementarios son a su vez mutuamente excluyentes: E1  E2 = S y E 1  E2  S E E' En el gráfico. es decir. Procedimiento: a. E’ es lo que le falta a E para ser igual a S. 6 = 36. EVENTOS COMPLEMENTARIOS. E’ se lee “complementario de E” o “no E” La probabilidad del espacio muestral es 1. b. Interpretación: Si se lanzan dos dados simultáneamente existe una probabilidad de 31/36 de que la suma de las caras no sea 6. son complementarios si el segundo es un subconjunto que contiene todos los puntos muestrales del espacio muestral que no están en el primero. la cantidad de puntos muestral. Se halla la probabilidad de los casos favorables. S representa el espacio muestral (el rectángulo). es decir. la probabilidad de que la suma sea 6.

rn = 2 3 = 8 (resultados posibles) Sea el suceso A = Obtener exactamente dos sellos. La probabilidad de un suceso A. SSS Como. ¿Cuáles son las probabilidades de ganar de cada caballo? 2) Se lanzan dos dados simultáneamente. 1) Tres caballos T.625 8 2 4 8 8  b) P A = ?  P A  1  PA   1  3 83 5 8  8   0. Ejemplo: Determinemos la probabilidad de obtener exactamente dos sellos al lanzar tres monedas. P(A)      0. P(B) = 1/2 y P(AB) = 1/4. A = CSS. SSC 1 1 1 3 Luego. b) Que la suma de sus resultados de 7 c) Que el producto de sus resultados sea múltiplo de 3 21 . El caballo T tiene el doble de probabilidad de ganar que H y este tiene el doble de B. n = 3 (número de monedas) y r = 2 (resultados posibles). SCS. P( A) = 2/3 y P(AB) = 1/4. S = CCC. COMPROBACIÓN DE LOS APRENDIZAJES Si A y B son dos sucesos no mutuamente excluyentes definidos en S. Determinar la probabilidad de a) Obtener un uno y un dos. Solución: Definamos su espacio muestral. Luego. designada por P(A). entonces P(A – B) = P(A) – P(A  B) Ejemplo: Sean A y B eventos con P(A) = 3/8. SSC. CSS. P(A ) se lee “probabilidad del complemento del complemento de A” Nota: Algunos textos denotan el complemento con un apóstrofe (‘). Hallar: a) P(A) b) P(B) c) P(A  B) Probabilidad de un suceso Sea A un suceso definido en S. SCC.375 8 d) P(A  B)   P(A  B)  P A  B  1  PA  B  1  1 3   0. entonces P(AB) = P(A) + P(B) – P(A  B) Si A y B son dos sucesos cualesquiera definidos en S. Entonces. B. CSC. Dualidad de Morgan (i)  P AB  P AB   (ii)   P A  B  P( A  B) La barra se lee “complemento” (iii) P(A)  PA  . es la suma de las probabilidades de todos los puntos muestrales de A. P(A' ) Que se lee “probabilidad del complemento de A” 1) Sean A y B eventos con P(AB) = 3/4. Así. H. 3 1 1 3 42 5 P(AB) = P(A) + P(B) – P(A  B)       0. Hallar: a) P(AB) b) P A  c) P(A  B) d) P( A  B) e) P(A  B) f) P( B  A) Respuesta: a) P(AB) = ? Como A  B ≠ .375 8 8 8 8 Como podrás observar la probabilidad de ocurrencia de cada punto muestral es 1/8. intervienen en una carrera. A y B son no mutuamente excluyentes.75 4 4 (*) Los otros dos quedan como ejercicios.625 8 c) P(A  B) = ?   P(A  B)  P A  B  1  P A  B  1  5 85 3 8  8   0. SCS. CCS.

H: Es el evento “ser alumna” b. y se representa por P E1 / E2. es decir. haya iniciado estudios medios. dado que el evento E2 haya ocurrido. donde dicho evento está condicionado a la ocurrencia de un subconjunto del espacio muestral (otro evento). esto es calculando P E1  E2 y P E2 con respecto al espacio muestral reducido E2. Si los sucesos E1 y E2 pertenecen al mismo espacio muestral S y si PE2 ≠ 0. pues a partir de la información dada se sabe que el evento E2 ya ocurrió. La probabilidad condicional es una probabilidad calculada en un espacio muestral reducido. En la práctica se puede resolver este problema usando la fórmula de la definición. ¿Qué probabilidad existe de que al seleccionar un obrero de forma aleatoria. que se lee “probabilidad de E1 dado E2” y se determina a través de la expresión: P  E1  E 2  P E1 / E2 = . Se aplica la fórmula para probabilidad condicional. E2: Es el evento ser estudiante de segundo año c. P H / E2 d. se sabe que el 40 % de los obreros son mujeres y que el 20 % de todas las obreras han iniciado estudios medios. PROBABILIDAD CONDICIONAL. E2. entonces la probabilidad condicional de que ocurra el evento E1. PE2 ≠ 0 P E2 n  E1  E 2  También P E1 / E2 = n E2 n  E1  E 2  = Es la cantidad de puntos muestrales de la intersección entre E 1 y E2 n  E 2  = Es la cantidad de puntos muestrales del evento E2. Ejemplo 1: Con los datos del ejemplo 2 (página 19). se llama probabilidad condicional del evento E1. si se sabe que se seleccionó una mujer? 22 . Interpretación: La probabilidad de que una alumna sea seleccionada dado que sea de segundo año es igual a 5/12. Se pide la probabilidad de H dado E2. Solución. Ejemplo 2: De la aplicación de una encuesta en una empresa de la Región Central. El termino probabilidad condicional toma en cuenta la posibilidad de que la probabilidad de E1 pueda depender del hecho de que el suceso E2 haya o no ocurrido. A menudo sucede que la ocurrencia de un evento depende de la ocurrencia de otro y es de frecuente interés obtener la probabilidad de un evento. es decir. Varones (V) Hembras (H) Total Primer año (E1) 100 80 180 n  H  E 2  50 5 Segundo año (E2) 70 50 120 P H / E2 =   n  E2 120 12 Tercer año (E3) 50 40 90 Total 220 170 390 e. del evento que condiciona. Procedimiento: a. calcular la probabilidad de que una alumna sea seleccionada dado que la persona seleccionada estudie segundo año en el referido liceo.

La probabilidad de que el obrero seleccionado haya iniciado estudios medios dado que es mujer. La probabilidad de que la persona sea mujer. El siguiente cuadro muestra la información dada y la deducida utilizando el concepto de complemento de un evento Sexo Estado civil Total Casado (C) Soltero (D) Divorciado (E) Femenino (A) 15 75 10 100 Masculino (B) 85 95 20 200 Total 100 170 30 300 Como se puede observar se está totalizando tanto por filas como por columnas. El sexo de los trabajadores y el estado civil de los mismos. respecto al espacio muestral restringido del evento condicionante se tendría que ver cuántas veces se repite el evento trabajador de sexo femenino y cuántas veces se repite el evento trabajador soltero. es: P E 2  E 1  1 / 5 Nótese que el 20% de 40 = 8. Solución. ¿cuál es la probabilidad de que sea mujer? En este caso el evento condicionante es que el trabajador sea soltero y el evento dependiente es que sea mujer Los problemas de probabilidad de eventos dependientes se pueden resolver de dos maneras: respecto del espacio muestral original y respecto al espacio muestral restringido del evento que condiciona. es: P E2  E1 = P E2 y E 1 = 20/100 = 1/5 d. E2: Es el evento haber iniciado estudios medios c. A esto se le llama probabilidades marginales y a la información del interior del cuadro se le llama probabilidad conjunta de los dos eventos (criterios de clasificación). (Procedimiento): Lo primero es extraer la información que proporciona el problema y ver cómo se puede completar la siguiente. es de 0. En dicha empresa trabajan 200 hombres. Resolviendo el problema se tiene: a) Si el trabajador seleccionado es soltero.5 P E 1  2/5 Mientras que 40/100 = 2/5  0. Para el primer caso P A  D  75 / 300 75 75 170 P A / D     . 8/40 = 1/5 P E2 / E1 =   0. De acuerdo a esto se tiene que: P A  D  75 P A / D    Como podemos observar ambos resultados coinciden. es: P E1 = P es mujer = 40% = 40/100 = 2/5 e. 85 de los cuales son casados y 95 son solteros. ¿cuál es la probabilidad de que sea mujer? b) Si el trabajador seleccionado es mujer. P D  170 Las situaciones b) y c) quedan como ejercicios para el estudiante. P A  D   y P D   P D  170 / 300 170 300 300 Para el segundo caso.5 f. Interpretación: La probabilidad de que al seleccionar al azar un obrero que haya iniciado estudios medios dado que es mujer. a) Si el trabajador seleccionado es soltero. es decir. Luego. Partamos del hecho de que la información proporcionada se puede clasificar de acuerdo a dos criterios. (Procedimiento): P E 2  E 1  8/40 a. E1: Es el evento “ser mujer” PE 2 /E 1     0.5 P E 1  40/100 b. 23 . Se toma un trabajador al azar.5. Ejemplo 3: Una empresa tiene 300 trabajadores de los cuales 100 son casados y 30 son divorciados. ¿cuál es la probabilidad de que sea soltera c) ¿Cuál es la probabilidad de que sea mujer o esté casada? Solución. es decir. La probabilidad de que la persona seleccionada haya iniciado estudios medios dado que es mujer. de acuerdo a los dos criterios de clasificación de la información.

si el suceso A no depende del suceso B y viceversa. dos sucesos tales que P(E2) > 0. señalando los puntos muestrales para cada dado 24 . P E2 n  E1  E 2  También P E1 y E 2   n S n  E1  E 2  Es la cantidad de puntos muestrales de la intersección entre E1 y E2 n  S Es la cantidad de puntos muestrales del espacio muestral Dos eventos E1 y E2 son independientes si se cumple cualquiera de las siguientes condiciones:  P E1 / E 2   PE1 E2 no tiene ningún efecto sobre E1  P E 2 / E1  PE 2  E1 no tiene ningún efecto sobre E2  P E1  E 2   PE1 PE 2  Motivación de la definición: Sean E1 y E2. entonces A y B son sucesos independientes o no correlacionados. intuitivamente E1 es independiente de E 2 si la probabilidad de E1 condicionada por E2 es igual a la probabilidad de E1. ¿Cuál es la probabilidad de que V  4 y R  2? Solución. automáticamente el suceso E2 es independiente del suceso E1. son independientes entre sí cuando la ocurrencia o no ocurrencia de uno de ellos en una prueba. es también ½. no afecta la probabilidad del otro en cualquier otra prueba. Dos sucesos o eventos aleatorios E1 y E2. Por lo que. Uno verde y otro rojo. (Procedimiento) a. EVENTOS INDEPENDIENTES (no relacionados). Se lanzan dos dados simultáneamente. En el lanzamiento de una moneda la probabilidad de obtener cara es ½ y la probabilidad de obtener cara en otra prueba. E2 = P E1 . que si el suceso E1 es independiente del suceso E2. La fórmula para buscar la probabilidad de que E1 y E2 aparezcan cuando sean independientes es: P E1  E2 = P E1 y E2 = P E1 . finalmente. La probabilidad de que ocurran ambos simultáneamente es igual al producto de las probabilidades de que ocurra cada uno de ellos. son independientes. Es decir si: P E1 / E 2   PE1  P E1  E 2  Nótese que de la propia definición de probabilidad condicional P E1 / E 2   P E 2  Se deduce que P E1  E2 = P E1 / E2 P E2 (despejando) Y dado que P E1 / E2 = PE1 deducimos trivialmente que P E1  E2 = P E1 P E2 Nótese. Ejemplo. Es decir. los dos eventos E1 y E2. Se construye el espacio muestral (en un diagrama cartesiano).

Luego. Además. Ejercicios: 1. La trayectoria del impulso se interrumpe si falla cualquiera de los dos componentes. También se obtiene el mismo resultado dividiendo los puntos muestrales de la intersección de los dos eventos. uno rojo y otro verde. Se decidió que se haría la primera votación entre los estudiantes postulados y quien ganara sería el principal. 4. se haría una nueva votación entre los tres postulados que quedaran y el mayor votado sería el suplente.. Para el dado rojo existen 12 puntos muestrales. Determinemos la probabilidad de que en el primer lanzamiento sale un número impar y en el segundo sale un 5 ó un 6. 5 y 6 del dado verde. Se calcula la probabilidad para cada evento: 2 º º º º º º 18 1 P E1 = P V  4 =  1 º º º º º º 36 2 12 1 1 2 3 4 5 6 Dado (R) P E2 = P R  2 =  36 3 e. 2. Interpretación: Si se lanzan dos dados simultáneamente.. 5 y 6 con 4 º º º º º º los puntos 1.Sea el experimento lanzar un dado dos veces y anotar el número que sale en el mismo orden de lanzamiento.Un impulso eléctrico debe pasar del punto I al punto II para producir una señal.8. Para llegar al punto II debe pasar por dos componentes electrónicos E1 y E2. María. 3 º º º º º º d. a) Si se sabe que el comandante electo fue Carlos. ¿Cuál es la probabilidad de que la señal se produzca? 3.94. la probabilidad de que al menos uno no falle es de 0. E2 = R  2 que resultan de la combinación de los puntos 1 y 2 6 º º º º º º con los puntos 1. 3. se presentaron cuatro candidatos: Luisa. Por ejemplo. Carlos y Edgar. Propiedades: La independencia de sucesos es algo muy importante para la estadística y es condición necesaria en multitud de teoremas. ¿cuál es la probabilidad de que María sea la suplente? b) Si se sabe que el suplente fue una mujer.Para designar al comandante de un curso de Contaduría Pública.7 y la probabilidad de que el componente E2 no falle es de 0. 5 º º º º º º E1 = V  4 c. 2. ¿cuál es la probabilidad de que el comandante sea una mujer también? 25 . Se sustituye en la fórmula para eventos independientes 1 1 1 P E1 y E2 = P  V  4 y R  2 = P E1 . una de las primeras propiedades que se derivan de la definición de sucesos independientes es que si dos sucesos son independientes entre sí. por la cantidad de puntos muestrales del espacio muestral. la probabilidad de la intersección es igual al producto de las probabilidades. n E 1  E 2  6 1 P E1 y E2 =   n S 36 6 g. La probabilidad de que el componente E1 no falle es 0. la probabilidad de que el verde muestra una cara con números mayores o iguales a 4 y que el rojo muestra una cara con números menores o iguales a dos es de 1/6. 5 y 6 del dado rojo. 3. 2. 4.Dado (V) b. Para el dado verde existen 18 puntos muestrales que resultan de combinar los puntos 4. P E2    2 3 6 f.

Dos o más eventos son dependientes cuando el conocimiento de la verificación de uno de ellos altera la probabilidad de verificación del o de los otros. Como observarás estos sucesos están relacionados. Ejemplo 3: En un juego de barajas españolas (40) cartas). PE2 / E1 ó PE2  E1 = PE2 . Solución. Ejemplo 2: Una caja contiene 5 bolas blancas y 3 negras. Se halla la probabilidad de sacar una bola blanca en una segunda extracción dado que en la primera extracción salió blanca y no hubo remplazamiento. c. PE2 / E1    8 7 14 f. Interpretación: 5/14 es la probabilidad de sacar en una segunda extracción sin remplazo una bola blanca si en la primera extracción salió una blanca. seleccionamos dos cartas al azar y determinamos la probabilidad de que la primera carta tenga una figura de espada y la segunda carta no tenga una figura de espada. Procedimiento: a. EVENTOS DEPENDIENTES (o relacionados). b. PA y B = PA  B = PA . Se calcula la probabilidad de extraer una bola blanca 5 5 P E1 = P B. E1: Es el evento primera extracción de una bola blanca. ¿Cuál es la probabilidad de que en una segunda extracción sin reemplazo salga una bola blanca? Solución. Procedimiento: Sean los sucesos A = la primera carta tenga una figura de espada B = la primera carta no tenga una figura de espada Luego. Se hace una primera extracción y sale una bola blanca. PE1 / E2 (Regla de la multiplicación sin reemplazamiento) Los eventos mutuamente excluyentes deben ser dependientes.1923 40 39 26 . Ejemplo 1: Si voy para la marcha no puedo asistir a clase. Se sustituye en la fórmula de eventos dependientes 5 4 5 PE1  E 2 = PE1 . La fórmula para calcular la probabilidad de eventos dependientes es. PB / A 10 30    0. blanca  53 8 d. P E2 / E1= 4/7 B B B B B B B B B N N N N N N 1ra Extracción 2da Extracción e. E2: Es el evento segunda extracción de una bola blanca. ya que ir a la marcha (ocurrencia del suceso) afecta la ocurrencia del suceso “asistir a clases” puesto que la ausencia a clase depende de que vaya para la marcha. si los eventos son E1 y E2: PE1  E2 = PE1 . son dependientes.

es igual a la probabilidad de A más la probabilidad de B menos la probabilidad de que ocurran ambos. A  B ≠  . 4. 4  P(A) = 4/6 (1) . 6  P(B) = 3/6 (2) A  B =  resultado es menor que 5 o resultado es divisible por 2 Luego. 3. Si A y B son mutuamente excluyentes (en el sentido de que no pueden ocurrir ambos al mismo tiempo). … . C40 Los sucesos definidos son los siguientes: . Usted gana 100 Bs si el resultado es menor que 5 o divisible por 2. Regla de la adición para sucesos no mutuamente excluyentes. 2. es 0. la probabilidad de ganar 100 Bs. ¿Cuál es la probabilidad de ganar? Solución. A = resultado es menor que 5  A = 1. REGLA DE LA ADICIÓN.8333 6 6 6 6 6 Así. 4. Procedimiento: . 5 6 Los sucesos definidos son los siguientes . A  B = 2. B = resultado es divisible por 2  B = 2. Simbólicamente: PA ó B = PA  B = PA + PB  – PA  B Ejemplo: Se lanza un dado no cargado.Definamos el espacio muestral S = 1. C2. La regla de la adición expresa que la probabilidad de que ocurra el suceso A o B o ambos. tenemos: 4 3 2 43 2 5 . ¿Cuál es la probabilidad de que la carta sea un as o un seis de basto? Solución. esta no puede ser simultáneamente un as y un seis de basto PA  B =P  = 0 Por lo tanto. A = extraer un as = 1. PA  B = PA + PB  – PA  B. 2. PA  B = PA + PB  – PA  B (3) . 4  P(A  B) = 2/6 (4) Sustituyendo (1).5% 40 40 40 27 . (2) y (4) en (3). 3. PA  B = PA + PB  4 1 5     0. A  B =  resultado es menor que 5 y resultado es divisible por 2 A y B son no mutuamente excluyentes. 3. 2. REGLAS DE LA PROBABILIDAD. Procedimiento: . es decir. pero A  B =  Nótese que al extraer una carta del juego de baraja. B = extraer un seis de basto = 1  P(B) = 1/40 A  B =  extraer un as o un seis de basto Luego.33% Regla de la adición para sucesos mutuamente excluyentes. PA  B       0.125 ó 12.Sea el espacio muestral S = C1. 4  P(A) = 4/40 . entonces: PA  B = PA + PB  Ejemplo: Si se extrae una carta de un juego de baraja española (40 cartas).83 ó 83.

Una forma de entender la independencia consiste en suponer que los eventos A y B ocurren en diferentes tiempos. entonces A y B son independientes.04 b) ¿Cuál es la probabilidad de que el primer auto pare y el segundo no lo haga?   P A  B  PA  1  PB  0. A y B son dependientes. Lo anterior se lee "la probabilidad conjunta de A y B es igual al producto de la probabilidad de A por la probabilidad de B. cuando el evento B ocurre después del evento A. En el caso de dos eventos que son independientes. Requiere que dos eventos. Demostración: Partiendo de la definición de probabilidad condicional (página 21) P A  B PB A  multiplicando ambos miembros por PA. dado que A ha ocurrido. a) ¿Cuál es la probabilidad de que los próximos dos carros se detengan? Asumiendo que son eventos independientes.16 Regla general de la multiplicación. Se considera que el primer evento determina la probabilidad del segundo. 28 . la probabilidad PB/A es igual a la probabilidad incondicional de B.8  0. Lo son si el hecho de que ocurra uno no altera la probabilidad de que ocurra el otro. P (A y B) = P (A B) = P(A) P(B/A). tal que es la regla especial de la multiplicación es: P (A y B) = P (A B) = P(A) P(B). Observó que el 20% de los autos que pasan por ahí. P (A B) = P(A) P(B) = (0. sean independientes.2) (0. Si dos eventos no son independientes.2) = 0. ¿influye A en la probabilidad de que el evento B ocurra? Si la respuesta es no. Ejemplo: 1) El dueño de un hotel ha modernizado sus instalaciones. dado que ha ocurrido A". Aquí estimaremos la probabilidad de que la ocurrencia de dos eventos sea simultánea. PB/A = PB. Regla especial de multiplicación. Si dos eventos. A y B. es decir. la probabilidad conjunta de que ambos ocurran se determina multiplicando la probabilidad de que ocurra el evento A por la probabilidad condicional de que ocurra el evento B.20. (2) Regla general de multiplicación. se dice que son dependientes. REGLA DE LA MULTIPLICACIÓN. Hay dos reglas de multiplicación: (1) Regla especial de multiplicación. se detienen a alquilar un cuarto. resulta P A  B  PA  PB A PA Si los sucesos A y B son independientes. A y B. la probabilidad de que A y B ocurran se determina multiplicando las dos probabilidades. Por ejemplo.

Los objetos son seleccionados uno después del otro para ver si ellos son defectuosos. De la información dada se tiene que: P(A1) = 20/100 . Suponga que dos objetos son seleccionados sin reemplazo (significa que el objeto que se selecciona al azar se deja por fuera del lote).007  100   99    98 2695 En resumen: La regla de multiplicación requiere que dos eventos A y B sean independientes. cuando ocurre el evento A 1 ∩ A2 que es la intersección entre los eventos A1 y A2. ¿Cuál es la probabilidad de que los dos objetos seleccionados sean defectuosos? Solución: Sea los eventos A1 = {primer objeto defectuoso}. P(A2/A1) = 19/99 Así probabilidad de que los dos objetos seleccionados sean defectuosos es P A1  A 2   PA1  PA 2 /A1   20   19  19       0. entonces la probabilidad de que los tres objetos seleccionados sean defectuosos es P A1  A 2  A 3   PA1  PA 2 /A 1  PA 3 /A1  A 2   20   19   18  19         0.038  100    99 495 Ahora suponga que selecciona un tercer objeto. A 2 {segundo objeto defectuoso} Entonces dos objetos seleccionados serán defectuosos. 1) Si los eventos de independientes: P(A y B ) = P( A ∩ B ) = P(A) P(B) 2) Si los eventos son dependientes: P(A y B) = P(A) P(B|A) 29 . Ejemplo: Un lote contiene "100" objetos de los cuales "20" son defectuosos.

PB/A = 5/18. a) ¿Cuál es la probabilidad de que ambas bolitas sean blancas? b) ¿Cuál es la probabilidad de que la primera sea blanca y la segunda sea negra? c) ¿Cuál es la probabilidad de que la primera sea negra y la segunda sea blanca? d) ¡Cuál es la probabilidad de que ambas sean negras? Módulo de probabilidad de Rafael Valera Ibarra (pág.1 2.3 2.6 A = que la suma sea un número par 5. empleando la definición obtenemos: 18 5 5 PA  B = PA .   0. PA  B = PA .6 .14 36 11 36 Ejercicio: Una caja contiene 6 bolitas blancas y 4 negras.2 2.4 4.1 1. probabilidad de que aparezca un 6 en al menos un dado. PA / B pero PA / B  que es la probabilidad de que la suma sea un 11 número par.4 3.4 5.4 2. . Determinemos su espacio muestral S 3.2 5. puesto que 11 de los 36 resultados contiene un 6 en por lo memos uno de los dados Como puedes observar PB/A ≠ PB por lo que A y B son dependientes. A  B = que la suma sea un número par y que aparezca un seis en al menos uno de los dados Aplicando la regla de la multiplicación .5 2.1 5.1 6.4 1.6 . Se extraen dos bolitas sucesivamente y sin restitución.5 3. 64) 30 . PB = 11/36. puesto que de un total de 36 resultados 18 dan como suma un número par. 1.3 4. ¿Cuál es la probabilidad de que la suma sea un número par y que aparezca seis (6) en al menos uno de los dados? Solución.6 .5 1.4 6.1 4. Luego.2 4.14 36 18 36 5 También PB  A = PB .Los sucesos definidos son 4.6 Procedimiento: 2.3 3. . si sabemos que el 6 aparece en al menos uno de los dados. Los sucesos son dependientes.2 6.3 5.3 1.5 4.5 6. sustituyendo 11 5 5 PB  A  . . siempre que la suma sea par. PA = 18/36.2 1.5 5.6 B = que aparezca un seis en al menos uno de los dados 6. .3 6. Ejemplo: Se lanzan dos dados una sola vez. PB/A determinemos las probabilidades de cada suceso.1 3. PB / A     0.2 3.

uno verde y otro rojo. entonces A  B = . A = la suma es 5 y B = ambos dados muestran el mismo número A = la suma es 7 y B = el dado rojo es par A = la suma es par y B = el dado rojo es par A = la suma es impar y B = la suma es 12 A = la suma es 4 y B = ambos dados muestran el mismo número A = la suma es 6 y B = el dado rojo es par EVENTOS INDEPENDIENTES. entontes si A y B son mutuamente excluyentes no pueden ser independientes. Pruebe que si P(A) > 0 y P(B) > 0.  Un par de eventos A y B no pueden ser mutuamente excluyentes e independientes a la vez. no pueden suceder ambos simultáneamente cuando se realiza el experimento. la cual es diferente del número P(A).  Por tanto. Decida cuales de los siguientes pares de sucesos son independientes. P(A  B) = 0. COMPROBACIÓN DE LOS APRENDIZAJES COMPROBACIÓN DE INDEPENDENCIA. Defina estos eventos: A = cara en la primera moneda. así que P(A/B) = 0. el bajo rendimiento está relacionado con la necesidad de transportase desde lugares lejanos.  Cuando dos eventos son mutuamente excluyentes o disjuntos P(AB) = 0 y P(AB) = P(A) + P(B). es decir. B = cruz en la segunda moneda ¿Son independientes los eventos A y B? Ejercicio 2: Se lanzan dos dados. Se trata de determinar si este último hecho influye en el rendimiento de escolar. Por hipótesis A y B son mutuamente excluyentes. La ocurrencia del evento B afecta la probabilidad de que ocurra el evento A. los eventos mutuamente excluyentes deben ser dependientes. luego P(AB) = P(A) P(B). Se cuenta para ello con la siguiente información: El grupo está formado por 50 alumnos. algunos de los cuales deben trasladarse al liceo desde otros pueblos lejanos. entonces P(A) = 0 ó P(B) = 0 y esto contradice la hipótesis. Luego. y se observan los números orientados hacia arriba. el evento A no es posible. 20 de los cuales vienen de otros pueblos y entre éstos se observa un bajo rendimiento en 12 de ellos. Supongamos que A y B son independientes. Razone su respuesta.  Cuando dos eventos son independientes P(AB) = P(A) P(B) y P(AB) = P(A) + P(B) – P (A) P(B). Solución: Sea A el evento de que un alumno viene de otro pueblo y B el evento de que tenga bajo rendimiento. ¿Cuál es la diferencia entre eventos mutuamente excluyentes e independientes? Muchos estudiantes encuentran difícil indicar la diferencia entre eventos mutuamente excluyentes y eventos independientes. Entre los otros 30 alumnos restantes se obtuvo bajo rendimiento en 16 de ellos. 31 . Ejercicio 1: Lance dos monedas y observe el resultado. Se trata entonces de ver si los eventos A y B son independientes. si A y B son mutuamente excluyentes no pueden ser independientes. Pero si P(A  B) = 0. Dos eventos A y B son independientes si y sólo si P(AB) = P(A) P(B) o P(B/A) = P(B). De lo contrario se dice que son dependientes. o viceversa. En un pueblo de Venezuela un profesor de secundaria imparte enseñanzas de matemáticas a un grupo de jóvenes.  Cuando dos eventos son mutuamente excluyentes o disjuntos. De los datos del problema tenemos: 20 2 12  16 14 12 P ( A)   P( B)   y P( A  B)  50 5 50 25 50 De aquí se deduce que P(A/B) = 3/7. En conclusión. Una vez que ha ocurrido el evento B.

el espacio muestral consta de cuatro eventos elementales: VV. y A es el evento de que los dos son varones.3 0. la probabilidad de elegir un segundo juguete rojo es ___.1 0.0357 32 . R: se elige el juguete rojo. con menos de 110 0.2 0. Los juguetes son idénticos excepto por el color. En el ejemplo anterior. Este es un espacio equiprobable y en consecuencia la respuesta para la parte a) es P(VV) = 1/4 En el caso b) el evento HH ha sido eliminado de este espacio muestral. con menos de 110 0. dos son rojos y seis verdes. una vez que se ha elegido este juguete rojo. se colocaron ocho juguetes en un recipiente. Como hemos visto.I.4 Ejercicio 5: En un experimento sobre preferencias de color.2 0. sobre 110 0.3 0.. el primero (el de más edad) es varón y el segundo hembra. todas estas probabilidades resultaron diferentes. VH y la respuesta correcta en este caso es.6 No Lic. P(VV) = 1/3 En el caso c) el de más edad es varón. donde F es el evento de que el niño de más edad es un varón. Supongamos que una familia tiene dos niños.4 Independientes 0..5 0. V: se elige el juguete verde..Ejercicio 3: Use las relaciones anteriores para hallar las probabilidades en la siguiente tabla P(A) P(B) Condiciones para los eventos A y B P(AB) P(AB) P(A/B) 0.1 0. HV y la respuesta en este caso es.4 Mutuamente excluyentes 0. ¿Por qué? Si la primera elección fue verde. la probabilidad de elegir rojo en la primera elección es ____. a) ¿Cuál es la probabilidad de que ambos sean varones? b) Sabiendo que uno de ellos es varón.3 0. Solución: Denotemos por V el resultado de ser varón y con H el de ser hembra.4 Lic. Se pide a un niño elegir dos juguetes al azar. ¿Cuál es la probabilidad de que al elegir una persona del grupo esta tenga un C. ¿cuál es la probabilidad de que ambos sean varones? En este problema suponemos que cualquiera de los dos sexos es igualmente probable para cada recién nacido. El estudiante debe plantear y resolver el problema. la probabilidad de rojo en la segunda es dependiente del resultado de la primera elección. donde E es el evento de que al menos uno de los niños es varón. Ejercicio 4: En el siguiente cuadro se señalan las probabilidades correspondientes a un grupo de personas relacionando su ocupación y su C. VH. VH. ¿Cuál es la probabilidad de que el niño elija los dos juguetes rojos? Solución: Visualice el experimento con un diagrama de árbol.5 0 PROBABILIDAD CONDICIONAL. Sin embargo. ¿cuál es la probabilidad de que ambos sean varones? c) Sabiendo que el niño de más edad es varón. E = VV. parte b) hemos calculado P(A/E).1 No Lic. se puede encontrar la probabilidad del evento A.I por encima de 110 y sea licenciado? Resultados Probabilidad Lic. A = (R en la primera elección)  (R en la segunda elección) Puesto que hay dos juguetes rojos en el recipiente. Respuesta: 0. Para la parte a) del problema. de manera que el espacio muestral a considerar es el del evento que condiciona. y en la parte c) se quería hallar P(A/F). la probabilidad de elegir rojo en la segunda elección es ___ ¿Por qué? Con esta información y la regla de la multiplicación. Así que para este evento E = VV.. El evento A (ambos juguetes son rojos) se construye como la intersección de dos eventos. Si en la primera elección salió rojo. P(VV) = ½ Nótese que uno de los eventos está supeditado al otro. En la parte a) se trataba de calcular P(A). puesto que se exige que debe haber por lo menos un varón. sobre 110 0. HV y HH. los dos son varones.

6. 3. es decir. su unión es el espacio muestral. la probabilidad de A si previamente ha ocurrido B. 2 amarillas. Sea A1. (Probabilidad condicional). pues no hay bolas rojas/verdes. 5. pero qué pasa con la probabilidad del suceso B: PB/A  PA Ejemplo: Consideremos el experimento aleatorio de lanzar un dado al aire. 3 verdes y 4 azules. P(E/An) equivalente a PE   PAi  P E/Ai i 1 Vamos de deducir el teorema de la Probabilidad Total e introducir el teorema de Bayes. cada uno con probabilidades positiva. PA  B 1 6 1 También podemos valernos de la fórmula anterior PA/B    PB 36 3 P(AB) la probabilidad de obtener 4 y par es la probabilidad de A = 1/6 Mientras que la probabilidad de B es tres casos favorables de 6 casos posibles: 3/6 (Acá consideramos el espacio muestral del experimento y no el de la condición). 33 . 4 y 6. P(E/A2) + … + P(An) . Ai  Aj =  . cuyo espacio muestral es S = 1. P(R v V) = ? Consideremos los sucesos: R = Obtener una bola roja. A2. (una partición del espacio muestral). Existen situaciones en que nos interesa conocer la probabilidad de un evento final que sea dependiente de la aparición o no aparición de eventos en las etapas intermedias de un experimento. 1 Es claro que el espacio muestral de la condición es 2. An son los n eventos mutuamente excluyentes. B/A = B si previamente ha ocurrido A. Como paso previo desarrollaremos los conceptos que tales teoremas involucran. Sean los sucesos A = obtener un 4 y B = obtener un número par. por lo que estos sucesos son incompatibles. 5 3 8 4 PR  V   PR   PV     14 14 14 7 2da consideración Supongamos ahora que A y B son sucesos de un experimento aleatorio y definamos el suceso B/A. An. PB  A Sabemos que el suceso A ocurrió. TEOREMA DE PROBABILIDAD TOTAL o Teorema de Eliminación. 2. Calculemos la probabilidad de extraer al azar una bola roja o verde. Estos casos se resuelven mediante el Teorema de la Probabilidad Total. es: n P(E) = P(A1) . 4. … . i  j (que ocurran a la vez Ai y Aj es imposible) Sabemos que P(A1  A2  …  An) = P(A1) + P(A 2) + … + P(An) Por ejemplo. es decir 3 casos posibles. supongamos que tenemos una caja que contiene 5 bolas rojas. 1ra consideración: Supongamos que tenemos n sucesos: A1. … . A2. llamada probabilidad total y que debe aparecer con cada uno de esos eventos mutuamente excluyentes. PA/B  3 luego la probabilidad de obtener 4 en estas condiciones es 1. La fórmula para calcular la probabilidad de un evento E cualquiera del que se conocen las probabilidades condicionales P(E/Ai). de dos formas distintas. V = Obtener una bola verde Nótese que la probabilidad de obtener una bola roja y verde a la vez (R  V) =  es imposible. P(E/A1) + P(A2) . Calculemos. An de un experimento aleatorio tal que son incompatibles dos a dos.

075 4 10 10 R 40 10 34 . A3 Es fácil ver que. E Ai  Aj =  . con i desde 1 hasta n. como ya dijimos que A1 . A 2 . Elegida al azar una silla. An. es decir. con dos condicionantes sucesivos: tener respaldo (R). … . o no tenerlo ( R ) y ser nueva (N). ¿cuál es la probabilidad de que esta sea nueva? Solución: Un procedimiento estándar para resolver este tipo de problemas. S En el dibujo podemos ver que los n-ésimos sucesos A2 A1. S = A1 A2 . La unión de n sucesos incompatibles dos a dos es E. A1 An Además. .075  0. Aplicando el Teorema de la Probabilidad Total 3 7 PN/R   7 N/R   0. … .175  0. A esta altura de nuestro desarrollo. son los n eventos mutuamente excluyentes de un experimento aleatorio y constituyen una partición del espacio muestral S. sería un suceso cualquiera que pudiera tener o no parte de los An sucesos destacados en colores en el dibujo.. son incompatibles dos a dos. E. A2.25 40 3 10 N/ R   P N/ R  1 3   0. Entre las sillas sin respaldo hay 3 nuevas y entre las sillas con respaldo hay 7 nuevas. es distribuir las probabilidades en un árbol (figura adjunta). E = (E  A 1)  (E  A2)  …  (E  An)  P(E) = P(E  A1) + P(E  A2) + … + P(E  An) PE  Ai  Nótese que PE/Ai    PE  Ai   PAi   PE/Ai  Válido para cualquier Ai. PAi  Si sustituimos PE  A i   PAi   PE/A i  por cada una de los sumandos en P(E). … . en efecto. ya estamos en condición de deducir el teorema de la Probabilidad Total Supongamos.175 30 4 30 30 30 R   PN  PN/R  P N/R  0. o no serlo ( N ). donde hay una experiencia compuesta. tendremos P(E) = P(A1) P(E/A1) + P(A2) P(E/A2) + … + P(An) P(E/An) Teorema de la Probabilidad Total Ejemplo 1: En un aula de dibujo hay 40 sillas. 30 con respaldo y 10 sin respaldo.  An  . An. i  j (que ocurran a la vez Ai y Aj es imposible). cada una de las regiones coloreadas son trozos incompatibles.

se selecciona una tarjeta de la caja II y si sale un número par. H2 y H3. es decir: H1  E. al lanzar el dado: P  H1 = 1/6. aparece con cada uno de los eventos H 1. El evento E (las dos tarjetas seleccionadas sean verdes). 4. H2  E. 5. La probabilidad de seleccionar la caja I ((H 1). La probabilidad de seleccionar la caja II ((H2). al lanzar el dado: P  H3 = 3/6. El diagrama correspondiente a la intersección del evento (aparición de 2 tarjetas verdes. con cada uno de los eventos H 1. es la probabilidad de que aparezca un 3 ó un 5. es la probabilidad de que aparezca el número 1. al lanzar el dado: P  H2 = 2/6. Procedimiento: 1. H2 y H3. Se calcula la probabilidad de aparición del evento E. se selecciona una tarjeta de la caja III. sin remplazo? Caja I Caja II 1 2 3 4 5 6 Caja III Caja I: H1 Caja II: H2 B B B B B B B B V V V V V R R R R R R R Caja III: H3 B V V V V V V R R R Solución. sin remplazo) con cada caja es el siguiente: H1 H1  E I H2  E H2 H3  E II H3 III 2. Si aparece un 1. La probabilidad de seleccionar la caja III ((H3). Si aparece un 3 ó un 5. 3. Ejemplo 2: Se lanza un dado una sola vez. es la probabilidad de que aparezca un número par. se selecciona una tarjeta de la caja 1. 6. H3  E. 35 . ¿Cuál es la probabilidad de seleccionar al azar 2 tarjetas verdes.

La probabilidad de seleccionar dos tarjetas verdes dado que provengan de la caja II. P V/V     10 9 90 3 10. es: B B V V V V V V V V V V V R R R R R R 1ra extracción 2da extracción P V = 6/10 P V  = 5/9 6 5 30 1 PE/H3 = P V .5  1  22. La probabilidad de seleccionar dos tarjetas verdes dado que provengan de la caja I. P E/H2 + PH3.5 25 5 P E =   135 135 27 36 . La probabilidad de seleccionar dos tarjetas verdes es: P E = PH1. es: B B B B B B V V V R R R R R R R R R R 1ra extracción 2 da extracción P V = 2/10 P V  = 1/9 2 1 2 1 PE / H2 = P V . P V/V     10 9 90 15 8. P E/H3 1 1 1 1 3 1 1 1 1 P E =         6 15 3 45 6 3 90 135 6 1. La probabilidad de seleccionar dos tarjetas verdes dado que provengan de la caja III.7. PE/H1 + PH2. es: B B B B B B B B B B V V V V V R R R R 1ra extracción 2da extracción P V = 3/10 P V  = 2/9 3 2 6 1 PE / H1 = P V . P V/V     10 9 90 45 9.

Se sabe que los aparatos tienen probabilidades de error de 1%. ¿Cuál es la probabilidad de que un inversor bursátil elegido al azar en este colectivo consulte InfoBolsaWeb? 3.Un doctor dispone de tres equipos electrónicos para realizar ecosonogramas..En una fábrica de enlatados se producen 5000 envases diarios. Determine la probabilidad de que se haya usado el primer aparato. 4. De los niños el 35% son menores de 24 meses. 35% al segundo y 40% al tercero. el 60% de los pacientes son niñas. El 20% de las niñas tienen menos de 24 meses. Entre sus pacientes el 20% se realizan correcciones faciales. Un paciente busca el resultado de una ecografía y observa que tiene un error. de los que el 2% son defectuosos y la máquina B produce los 2. El uso que le da a cada equipo es de 25% al primero. el 20% realizan operaciones vía internet..En la sala de pediatría de un hospital.000 de estos envases. 2. Si se selecciona un paciente al azar. Determine el valor de la probabilidad de que sea menor de 24 meses. que son de género masculino el 25% de los que se realizan correcciones faciales. determine la probabilidad de que sea de género masculino 5...En un colectivo de inversores bursátiles. De los inversores bursátiles que no realizan operaciones vía internet sólo el 20% consulta InfoBolsaWeb. Determinar la probabilidad de que un envase elegido sea defectuoso. 1/5 H1 E/H1 P(E/H1) = (1/6) (1/15) = 1/90 1/6 1/45 2/6 H2 E/H2 P(E/H2) = (2/6) (1/45) = 1/135 3/6 1/3 H3 E/H3 P(E/H3) = (3/6) (1/3) = 1/6 P(E) = P(E/H1) + P(E/H2) + P(E/H3) = (1/90) + (1/135) + (1/6) = 5/27  0. Un pediatra que ingresa a la sala selecciona un infante al azar.19 Ejercicios: 1. 2% y 3% respectivamente. 37 . un 80% consulta InfoBolsaWeb.000 restantes de los que se sabe que el 4% son defectuosos. además. La máquina A produce 3. 15% implantes mamarios y 40% otras cirugías correctivas.Un médico cirujano es especialista en cirugías estéticas. un35% implantes mamarios y el restante otras cirugías correctivas.. De los inversores que realizan operaciones vía internet. Se sabe.

para cualquier i. El diagrama de árbol muestra la situación. que probabilidad hay de que proceda de la máquina A? ¿Y de la B? Solución: La probabilidad de que un envase elegido sea defectuoso. se desea conocer su origen o procedencia. basándose en el conocimiento de la ocurrencia de ciertos eventos que dependan del evento estudiado. Llamemos D al suceso seleccionar un envase defectuoso y D al suceso seleccionar un envase no defectuoso. La máquina A produce 3. En términos generales el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. es que su estructura permite el cálculo de probabilidades después de haber sido realizado un experimento (probabilidades a posteriori). muestra este sencillo ejemplo la alta relevancia del teorema en cuestión para la ciencia en todas sus ramas. La interpretación más aceptada del teorema de Bayes.000 restantes de los que sabe que el 4% son defectuosos. a) Se trata de calcular la probabilidad total de que el envase elegido sea defectuoso Sumamos las ramas donde al final aparezca un envase defectuoso 38 . puesto que tiene vinculación íntima con la comprensión de la probabilidad de aspectos causales dados los efectos observados. b) ¿Si el envase seleccionado es defectuoso. de los que el 2% son defectuosos y la máquina B produce los 2. la probabilidad de tener gripe si se tiene un dolor de cabeza.000 de estos envases. Teorema de Bayes PE/Ai  es la probabilidad de E en la hipótesis A i Probabilidad de dado que se observó un efecto (E). Es decir. a) Determinar la probabilidad de que un envase elegido sea defectuoso.  PA  PE/A  i 1 i i PA i  son las probabilidades a priori. Este teorema es el inverso del Teorema de Probabilidad Total. PA i  E  PA i /E  y aplicando en el numerador la Regla de Multiplicación y en el denominador el Teorema PE  de Probabilidad Total. la causa haya sido Ai PA i /E  son las probabilidades a posteriori. las cuales son afectadas por las probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento). Partiendo de la probabilidad condicional de Ai (la causa) dado E (el efecto ). Se utiliza cuando dado un evento final. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene gripe. Ejemplo 1: (Vea página 35. cuya unión es el espacio n muestral y E es el evento definido en ese espacio muestral tal que P E > 0. Ejercicio N° 1) En una fábrica de enlatados se producen 5000 envases diarios. TEOREMA DE BAYES. se podría saber -si se tiene algún dato más-. obtenemos la ecuación que representa al Teorema de Bayes PA i  PE/A i  PA i /E   Los Ai son eventos mutuamente excluyentes. se parte de probabilidades conocidas antes de efectuar el experimento (probabilidades a priori).

016  0.5714 PD  0.012 5 3 A 5 0.02 D PAD    0. el 20% realizan operaciones vía internet. Máquina A envase defectuoso  P(AD) = P(A) P(D/A)  P(AD) =   0.04  0.028 3 0.012 Probabilidad de que provenga de la máquina A: PA/D    0. Sabiendo que el envase seleccionado ha sido defectuoso… Relacionamos la rama que nos piden respecto de la probabilidad total.02  0.96 D PD   PAD  PBD  0.04  0. PA  D  0. De los inversores que realizan operaciones vía internet.012  0.028 2 0.028 Ejemplo 2: (Vea página 35.02   0.4286 PD  0.016 Probabilidad de que provenga de la máquina B: PB/D    0.04 D PBD    0.016 2 5 5 B 0.80 Consulta InfoBolsaWeb: IBW No consulta InfoBolsaWeb: IBW 39 .016  0.028 PB  D  0.016 5 . Máquina B envase defectuoso  P(BD) = P(B) P(D/B)  P(BD) =   0. 3 .98 D b) Teorema de Bayes. PD   PA  D   PB  D   PA   PD/A   PB  PD/B  0. ¿Cuál es la probabilidad de que un inversor bursátil elegido al azar en este colectivo consulte InfoBolsaWeb? Sabiendo que consulta infoBolsaWeb ¿cuál es la probabilidad de que realice operaciones por internet? Solución: a) Probabilidad Total: Obtener la probabilidad de que un inversor bursátil elegido al azar en este colectivo consulte InfoBolsaWeb. De los inversores bursátiles que no realizan operaciones vía internet sólo el 20% consulta InfoBolsaWeb. Ejercicio N° 2) En un colectivo de inversores bursátiles.012 5  2 .012  0.20  No realiza operaciones vía internet: I  P I  0. Nombramos los sucesos y hacemos un diagrama Realiza operaciones vía internet: I  P(I) = 0. un 80% consulta Infobolsaweb.

00 1. Procedimiento: 1.80  0.20 0.80 0. Relacionamos la rama que nos piden con respecto a la probabilidad total Probabilidad de que consulte infoBolsaWeb y realice operaciones por internet PI  IBW  0.20 IBW   P IBW/ I  0.No consulta internet y consulta infoBolsaweb  P I  IBW  0. Los errores cometidos por las empleadas son 0. Solución.16 0.32 0.Internet y consulta InfoBolsaWeb  P(IIBW) = P(I) P(IBW/I)  P(IIBW) = 0.06 y 0.20 IBW   PIBW   PIBW/I  P IBW/ I  0.06 0. se descubre que tiene un error.80 IBW PIBW/I  0.0930 ∑ 1.16  0.16   0. 0.04.02 respectivamente Al seleccionar al azar una historia de las procesadas en una semana.35 0.16  0.04 0.000 40 .80 IBW Probabilidad de que consulte InfoBolsaWeb Sumamos las ramas donde al final aparezca una consulta a InfoBolsaWeb .32 Ejemplo 3: En el departamento de historias clínicas de un hospital.16   0.5 PIBW  0.20  0.4884 H3 0. tres empleadas procesan los registros de los pacientes.20 0.80   0. Se recomienda construir un cuadro con los datos e identificar los eventos Empleadas P Hi PE/ Hi PE  Hi P Hi/E Proporción Proporción de registros de error H1 0.16   .20 0. La primera procesa el 45% de las historias.20   0.32 b) Teorema de Bayes. 0.20  0.4186 H2 0. Sabiendo que consulta infoBolsaWeb.021 0.16 PI/IBW     0.16   .004 0.16 I 0.80 I 0. la segunda el 35% y las tercera el 20%.80  0.45 0.02 0. Se quiere saber la probabilidad de que la historia médica haya sido procesada por cada una de las empleadas.018 0.P IBW   P I  IBW   P I  IBW  0.

20) = 0. PE  H i   PH i  PE/H i  5.2. La probabilidad de que las dos tarjetas verdes provengan de la caja I. Ahora nos interesa conocer la probabilidad de que las dos tarjetas verdes provengan de cada una de las cajas.04 (0. Para aplicar la fórmula y determinar la probabilidad de que la historia clínica seleccionada provenga de cada uno de los grupos de empleadas.043 de Bayes 0. P E/H2 + PH3.4884 + 0. P E/H3 Probabilidad Total P E = 0. 004 = 0. PH i  PE/H i  PH i /E  PE donde P E = PH1.4186 0.06 Teorema PH 2 /E   0.4884 0. es necesario calcular PE  Hi.06 PE 5 5 27 27 41 . es decir. Ejemplo 4: En el ejemplo 2 (ver página 33) del Teorema de Probabilidad Total.018 + 0. En el Teorema de Bayes la suma de las probabilidades de pertenecer a un grupo dado es siempre igual a la unidad ∑PHi/E = 0.04 PH1 /E   0.PH2 = 0.018 PE  H i  PE/H i   PE  H2 = PE/H2. donde Por probabilidad condicional PE  H1 = PE/H1.450. Se aplica la fórmula del Teorema de Bayes para cada uno de los grupos de empleadas.043 0. P E/H1 + PH2.02 PH 3 /E   0.043 Para cada grupo de empleadas 0.021 + 0.PH1 = 0. es: 1 1 1  PH1  PE/H 1  PH 1 /E   6 15  90 = 0.021 PH i  PE  H3 = PE/H3. Procedimiento: 1. H2 y H3).000 y esto siempre debe cumplirse.0930 0. es igual a la unidad ∑P H1 = 1 3.45) = 0. P E/H1 4.4186 + 0.200. La tercera columna del cuadro representa la probabilidad que existe de que cada grupo de empleadas cometa errores según los resultados conocidos. dos tarjetas verdes. se halló la probabilidad de seleccionar aleatoriamente sin remplazo. Solución. Nótese que la suma de las proporciones y probabilidades de los eventos (grupos de empleadas H1.004 Luego.06 (0.0930 = 1.350.043 6.02 (0.35) = 0.PH3 = 0.

respectivamente.90 PE 5 5 27 27 Nótese que en el Teorema de Bayes la suma de las probabilidades de pertenecer a una cualquiera de las cajas dadas es siempre igual a la unidad.52. Si se selecciona un artículo al azar y se observa que es defectuoso. ¿Cuál es la probabilidad de que haya estudiado? 2. Se sabe que el 10% de los hombres y el 6% de las mujeres son especialistas en computación.04 PE 5 5 27 27 3. Una fábrica que produce material para la construcción tiene 3 máquinas. 3%. B y C. Ejercicios: 1. a las que se les denomina A.30. ¿Cuáles son las probabilidades de que el artículo haya procedido de las fábricas A.5% respectivamente. Un artículo fue tomado al azar del almacén y resultó defectuoso. La probabilidad de que las dos tarjetas verdes provengan de la caja III. 75. encontrar la probabilidad de que sea un tabique. Si elegimos un socio al azar: a) ¿Cuál es la probabilidad de que practique la natación? b) Sabiendo que practica la natación. Si se selecciona al azar a un especialista en computación ¿Cuál es la probabilidad de que sea mujer? 5. C o D respectivamente? 3. La producción de las fábricas se deposita en el mismo almacén. B.2. la fábrica A produjo el 20% de los artículos. la B el 30% y la C el 20%. 4% y 5%. es: 3 1 1  PH 3  PE/H 3  PH 3 /E   6 3  6 = 0. La probabilidad de que Judith estudie para su examen parcial de estadística es 0. La máquina A produce tabique. Una empresa tiene 4 fábricas que producen el mismo artículo. A un congreso asisten 100 personas. la C el 25% y la D el 15%. a) ¿Cuál es la probabilidad de que Judith apruebe su examen parcial de estadística? b) Dado que Judith aprobó su parcial. La probabilidad de que las dos tarjetas verdes provengan de la caja II.3% y 0. la B el 40%. En un club deportivo. La máquina A produce el 50% de la producción total de la fábrica. la B adoquín y la C losetas. así como el 60% de las mujeres. en tanto que si no estudia la probabilidad es de sólo 0. ¿cuál es la probabilidad de que sea una mujer? 42 . Los porcentajes de artículos defectuosos en las fábricas fueron 1%. 1. Entre los socios el 35% de los hombres practican la natación. En un período determinado. 4. el 52% de los socios son hombres. 2%. Si estudia la probabilidad de que apruebe el parciales de 0. es: 2 1 1  PH 2   PE/H 2  PH 2 /E   6 45  135 = 0. Los porcentajes de artículos defectuosos producidos por las máquinas son. de las cuales 65 son hombres y 35 son mujeres.

Ejemplo 2: Al lanzar un dado. UNIDAD 1: TEORÍA DE LA PROBABILIDAD COMPROBACIÓN DE LOS APRENDIZAJES TEOREMA DE PROBABILIDAD TOTAL. 0. Ejemplo 3: En una bolsa hay papeletas de tres colores. con las siguientes probabilidades de ser elegidas: a) Amarilla: Probabilidad del 50% b) Verde: Probabilidad del 30% c) Roja: Probabilidad del 20% Según el color de la papeleta elegida podrás participar en diferentes sorteos.60) + (0. ya que no completa todas las opciones (podría salir el 5 o el 6). Así. sus probabilidades suman 100% n Aplicamos la fórmula P( B)   PAi P B/Ai i 1 Luego.30 . Este teorema nos permite deducir cuál es la probabilidad de que ocurra un accidente. que salga el 1. es decir. que ocurra un accidente) es igual a la suma de los productos de cada una de las probabilidades condicionadas de este suceso con los diferentes sucesos A (probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la probabilidad del suceso A. La fórmula para calcular esta probabilidad es: n P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) + … + P(An) P(B/An) =  PAi P B/Ai i 1 (donde “i” toma valores entre 1 y n) Es decir.50 . 0.20 . el 3 o el 4 no forman un sistema completo. que completen todas las posibilidades (la suma de sus probabilidades debe ser 100%) Ejemplo 1: Al tirar una moneda. Este teorema nos permite calcular la probabilidad a partir de probabilidades condicionadas. si la papeleta elegida es: a) Amarillas: Participas en un sorteo con una probabilidad de ganar del 40% b) Verdes: Participas en un sorteo con una probabilidad de ganar del 60% c) Rojas: Participas en un sorteo con una probabilidad de ganar del 80% Con esta información ¿qué probabilidad tienes de ganar el sorteo en el que participes? Solución: Las tres papeletas forman un sistema completo. P(B) = (0. En este caso no se podría aplicar el teorema de la probabilidad total. el 2.40) + (0.54 Por lo tanto la probabilidad de que ganes el sorteo es del 54% 43 . el suceso “salir cara” y el suceso “salir cruz” forman un sistema completo.80) = 0. 0. Ejemplo: Supongamos que si llueve la probabilidad de que ocurra un accidente es x% y si hace buen tiempo dicha probabilidad es y%. no hay más alternativas: la suma de sus probabilidades es 100%. Para que este teorema se pueda aplicar se debe cumplir un requisito: Los sucesos A tienen que formar un sistema completo. la probabilidad de que ocurra el suceso B (en nuestro ejemplo.

Un paciente busca el resultado de una ecografía y observa que tiene un error.En la sala de pediatría de un hospital el 60% de los pacientes son niñas. la probabilidad de que se suban el sueldo es la siguiente: a) Si sale Carlos. 44 . la probabilidad de que te suban el sueldo es del 5% b) Si sale Juan. Entre sus pacientes el 20% se realizan correcciones faciales. b) Si resulta que es de género masculino. 0.60) = 0. 2% y 3% respectivamente. 0..Un médico cirujano se especializa en cirugías estéticas. P(B) = (0. la probabilidad de que te suban el sueldo es del 60% En definitiva. determine la probabilidad de que sea una niña. un 35% implantes mamarios y el restante otras cirugías correctivas. determine la probabilidad de que se haya realizado una cirugía de implantes mamarios. El uso que le da a cada equipo es de 25% al primero. Determine la probabilidad de que se haya usado el primer aparato.60 . Se sabe que los aparatos tienen probabilidades de error de 1%.20) + (0.Un doctor dispone de tres equipos electrónicos para realizar ecosonogramas. ¿cuál es la probabilidad de que te suban el sueldo? Solución: Los tres candidatos forman un sistema completo. 2. 35% al segundo y 40% al tercero.30 . Un pediatra que ingresa a la sala selecciona un infante al azar.Ejemplo 4: Van a cambiar a tu jefe y se barajan diversos candidatos: a) Carlos tiene una probabilidad del 60% b) Juan tiene una probabilidad del 30% c) Luis tiene una probabilidad del 10% En función de quien sea tu próximo jefe.05) + (0. sus probabilidades suman 100% n Aplicamos la fórmula P( B)   PAi P B/Ai i 1 Luego. Si se selecciona un paciente al azar. 15% implantes mamarios y 40% otras cirugías correctivas. que son de género masculino el 25% de los que se realizan correcciones faciales. la probabilidad de que te suban el sueldo es del 20% c) Si sale Luis. la probabilidad de que suban el sueldo es del 15 % EJERCICIOS 1. además.10 . De los niños el 35% son menores de 24 meses. determine: a) La probabilidad de que sea de género masculino. y b) Si el infante resulta ser menor de 24 meses. 3. Determine: a) El valor de probabilidad de que sea menor de 24 meses.. Se sabe.15 Por lo tanto.. 0. El 20% de las niñas tienen menos de 24 meses.

la ocurrencia de uno cualquiera (mutuamente excluyentes). son Los eventos complementarios son a su vez complementarios si el segundo mutuamente excluyentes. SUCESO INCOMPATIBLE es la suma de las probabilidades de cada uno. P E1 ó E2 = P E1  E2 = P E1 + P E2 P E1  E2 = P E1 ó E2 SUCESO COMPATIBLE. de ellos imposibilita la ocurrencia de los otros. P E2 Dos eventos E1 y E2. está dada por q = P (no E) = 1 – P (E) Dos o más sucesos son mutuamente excluyentes si La probabilidad de ocurrencia de E1 o E2. E2 en una prueba. son solapados (Solapados o si tienen puntos muestrales = P E1 + P E2 – P E1  E2 no mutuamente excluyentes). P E2 otra prueba. EVENTOS es un subconjunto que contiene E1  E2 = S y E 1  E2  COMPLEMENTARIOS todos los puntos muestrales del espacio muestral que no está La probabilidad del espacio muestral es 1. su ocurrencia f de un total de n casos posibles está dada por: p = P (E) = f/n La probabilidad de que no ocurra el suceso E. Donde: P E1  E2 = P E1 . Es la cantidad de puntos muestrales de la intersección entre E 1 y E2 P E 2  Es la cantidad de puntos muestrales del evento E2. dado que el evento E 2 CONDICIONAL ha ocurrido. luego P E’ = 1 – P E Dos eventos E1 y E2. comunes. no afecta la (no correlacionados) probabilidad del otro en cualquier = P E1 . TABLA DE EVENTOS PROBABILÍSTICOS. se llama probabilidad P E 1  E 2  condicional del evento E1. en el primero. PE2 / E1 de verificación del o de los otros. Se representa por P E1/E2. son independientes cuando la EVENTOS ocurrencia o no de uno de ellos INDEPENDIENTES P E1  E2 = P E1 y E2 = P E1 . P S = 1. 45 . Dos eventos E1 y E2. Dos o más eventos son EVENTOS dependientes cuando el Si los eventos son E1 y E 2: DEPENDIENTES conocimiento de la verificación de (relacionados) uno de ellos altera la probabilidad PE1  E2 = PE1 . Para un suceso E. que se lee “probabilidad de E1 dado E2” y se determina a través de la expresión: P E1  E 2  P E1 / E2 = donde La probabilidad de que ocurra P E 2  PROBABILIDAD el evento E1.

La serie de ensayos u observaciones constituyen eventos independientes.25 Y la varianza del número esperado de éxitos: Var(x) = np(1−p)= 15(0. PROBABILIDAD. a) La probabilidad de que aprueben al menos 5 es: P(x ≥ 5) es decir.15)10(0. que: P(x > 12) = P(x = 13) + P(x = 14) + P(x = 15) P(x > 12) = (1. se requieren tres valores: el número designado de éxitos (m). Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observación.15)=2. P(A o B) = P(A) + P(B) − P(A y B) si A y B son no excluyentes.+ P(x = n) Supongamos que del ejemplo anterior se desea saber la probabilidad de que aprueben: a) Al menos 5. Ejemplo: La entrada al cine por lo menos tendrá un costo de 35 bolívares (como mínimo podría costar 35 bolívares o más). que: 1 – P(x < 5) = 1 .47) (10 −9) + (3. Regla de la multiplicación.2312 + 0. 1. Para aplicar esta distribución al cálculo de la probabilidad de obtener un número dado de éxitos en una serie de experimentos en un proceso de Bernoulli. b) Más de 12. Si en un semestre intensivo se inscriben 15 alumnos ¿Cuál es la probabilidad de que aprueben 10 de ellos? P(x = 10) = 15C10(0. y la probabilidad de éxito en cada ensayo (p).. Entonces la probabilidad de que ocurran m éxitos en un experimento de n ensayos es: P (x = m) = (nCm)(P m)(1−P)n − m.2856 + 0.0618 b) La probabilidad de que aprueben más de 12 es P(x > 12) es decir.15)=1.. P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B.. tales como masculino/femenino o si/no. Distribución Binomial: La probabilidad de ocurrencia de una combinación específica de eventos independientes y mutuamente excluyentes se determina con la distribución binomial. Siendo: nCm el número total de combinaciones posibles de m elementos en un conjunto de n elementos. P(A y B) = P(A B) = P(A)P(B) si A y B son independientes.0874 + 0.. que es aquella donde hay solo dos posibilidades. la regla de la multiplicación y la distribución binomial.2184 + 0.85)5 = 10!/(10!(15−10)!)(0. 2.722) (10 −11) + (4.15)(1-0. 46 . Los tres métodos para calcular las probabilidades son la regla de la adición.15)10(0.+ P(x = m − 1) P(x > m) = P(x = m + 1) + P(x = m + 2) + P(x = m + 3) +.68) (10−6). P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes.9125 Nota: Al menos.1156] = 0. P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente. Pierre-Simon Laplace afirmó: "Es notable que una ciencia que comenzó con consideraciones sobre juegos de azar haya llegado a ser el objeto más importante del conocimiento humano". Regla de la adición P(B) = probabilidad de ocurrencia del evento B.. La probabilidad de éxito permanece constante de ensayo a ensayo. es decir el proceso es estacionario. Generalmente existe un interés en la probabilidad acumulada de "m o más " éxitos o "m o menos" éxitos en n ensayos. La probabilidad de que un alumno apruebe la asignatura Cálculo de Probabilidades es de 0. a lo menos y por lo menos son locuciones adverbiales sinónimas. En otras palabras P(x = m) = [n!/(m!(n−m)!)](p m)(1−p)n − m Ejemplo. 3. Siendo: P(A) = probabilidad de ocurrencia del evento A.[P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4)] = 1 – [0.507) (10 −9) La esperanza matemática en una distribución binomial puede expresarse como: E(x) = np = 15(0. En tal caso debemos tomar en cuenta que: P(x < m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +. el número de ensayos y observaciones (n). Reglas de Cálculo.15.85)5 = (7.38 (10 −13) = (1..

• Conservación y si fuera posible aumento de la autoestima. concepto tras concepto. Esto no significa que los otros miembros no tengan voz durante la clase. manteniendo el equilibrio apropiado. de lo básico aritmético. ordenados según su dificultad. desempeña un papel protagonista en este ambiente. El proceso de resolver problemas por medio de la utilización sistemática de etapas en tópicos de probabilidad. en una época cuando el pensamiento teorético tiende a relegarse ante el uso avanzado del ordenador. EVENTOS EXCLUYENTES Y EVENTOS INDEPENDIENTES. De esa manera ¿cómo puede haber dependencia? • Para mí. Dicha propuesta surgen de las dificultades e inquietudes que presentan los estudiantes sobre el tema. El trabajo expone tres ejercicios. cuyos tópicos se dan aún en la enseñanza secundaria de ciertos países. La clase está dividida en pequeños grupos de 4 estudiantes. cuya resolución sistemática permitirá a los estudiantes explorar la diferencia entre las dos clases de eventos. que aliente el intercambio de opiniones entre los estudiantes y entre estos y el profesor en un sentido productivo. que generalmente es fundamental para el desarrollo del pensamiento matemático. la propuesta hace uso del modelo de aprendizaje cooperativo. 47 . destinada a estudiantes de matemáticas y otras careras. RESUMEN DE LA PROPUESTA: La propuesta desarrollada en este artículo tiene dos componentes conceptuales básicos: los eventos excluyentes y los eventos independientes. • Responsabilidad individual y del equipo: En nuestra propuesta se asigna un estudiante como líder que modera el funcionamiento del grupo. • Favorecimiento de la habilidad social en la toma de decisiones: Libertad en el sentido de si se tiene que seguir un proceso de resolución específico. Frases características por parte de los estudiantes son las siguientes: • Sólo el uso de la palabra excluyente significa que el uno no tiene nada que ver con el otro. la representación gráfica de los diagramas de Venn es la respuesta para todo. En otras palabras la exclusión tiene como consecuencia su independencia. Entonces se tiene que afrontar este problema teniendo presente el concepto de asertividad aceptado por la sociología y la teoría pedagógica contemporánea: • Sentirse estimulado a participar en la clase como una manera de conseguir la meta propuesta. La confusión que se genera en el aula cuando se presenta el material es una realidad indudable. al avanzado teorético como justificación del valor de los conceptos descritos arriba. Giovanni Sanabria y Kyriakos Petakos. Son conceptos que se cubren durante un curso básico universitario de probabilidad. de eso nos aseguramos al examinar oralmente y por azar a algún miembro del grupo durante el proceso de la comprensión del material. demostrando nuestra lealtad a los siguientes principios: • Interdependencia positiva: El éxito de cada uno de los participantes se refleja únicamente en el éxito total del grupo. la cual se construye como una cadena aumentada. parece imprescindible cuando se tiene que diferenciar entre conceptos fundamentales que habitualmente causan confusión por parte del estudiante. El uno no corta al otro. PRESENTACIÓN DEL PLAN DIDÁCTICO: Se proponen algunos ejercicios para internalizar la diferencia entre eventos mutuamente excluyentes y eventos independientes (en el sentido estocástico). Además. • Conseguir un ambiente social en la clase. casi innato en la naturaleza humana. La teoría de conjuntos. Los ejercicios propuestos se abordan en varias etapas. Durante los semestres que se enseña la probabilidad básica. Equilibrio que implica la existencia de la autoestima estudiantil. Se habla de confusión en una ciencia como la matemática. se hallan continuamente obstáculos que impiden profundizar la teoría. INTRODUCCIÓN: El presente trabajo constituye una propuesta didáctica cuyo abordaje facilitará al estudiante universitario diferenciar entre eventos excluyentes e independientes. así que no lo influye. modificarlo o cambiarlo totalmente.

así que no son mutuamente excluyentes.045 ¿qué conclusión podemos obtener? Los eventos A.10 y P(A ∩ B) = 0. Ejercicio 1 Dadas las probabilidades P(A) = 0. Un mejor camino que puede optar el profesor es. ¿no tenemos que demostrar que P(A∪B) = P(A) + P(B) ? En la discusión que se desarrolla dentro del aula se revela una vez más el efecto de las normas y las leyes matemáticas que habitualmente preceden el material didáctico de los ejercicios. posterior al estudio de cada concepto. Concluir lo deseado. B ¿son independientes? ¿son mutuamente excluyentes? Solución. tan popular en los representantes de las ciencias naturales y de la literatura hispanoamericana. Recordar al estudiante la definición de la independencia como la fórmula siguiente: P(A ∩ B) = P(A) P(B) Etapa 2. 48 . La asertividad que tiene mucho que ver con la capacidad de resolver problemas parece estar conectada inextricablemente con la presentación de algunas normas. que son independientes y pasar a la pregunta próxima. Especialmente el último comentario nos inspiró a escribir este artículo. Además.45) (0. Seguidamente se presentan algunos ejemplos especialmente elegidos por enfatizar en los dos conceptos (eventos excluyentes y eventos independientes) y presentarlos como una cadena desde lo práctico hasta lo más sofisticado admitiendo así la técnica clásica de resolución de problemas. mecánicamente me conduzco a la relación apropiada de calcular las probabilidades que se buscan. haciéndolos olvidar lo obvio y buscar otra manera más complicada de resolver el problema. y da explicaciones como: “por qué te confundes si un concepto es de conjuntos (concepto de excluyentes) y otro es de probabilidad (concepto de independencia)”. que atraen tanto al interés del profesor como del estudiante durante el proceso de aprendizaje. el profesor suele ver estos conceptos en diferentes escenarios. basado no sólo en la experiencia cotidiana en el aula. Explicaciones como las anteriores pueden confundir aún más al estudiante que insiste en hallar el camino secreto y obscuro que une ambos conceptos. como lo señalan los comentarios. sino también en las discusiones en un sentido platónico. Usualmente el estudiante.045 = (0.10) Etapa 3. Verificar sencillamente el resultado aritmético 0. como lo demuestran las fórmulas matemáticas correspondientes. Comentario: Se les puede solicitar a los representantes de dos grupos cooperativos que discutan en sus grupos lo siguiente: Para probar que son excluyentes. Etapa 1. La importancia de la norma de Poincaré: P(A∪B) = P(A) + P(B) − P(A∩B) predomina en la mente de los estudiantes. comparar cada uno en un mismo escenario: Escenario Conjuntos Probabilidad A y B son excluyentes si: A∩B= P(A ∩ B) = 0 AB A y B son independientes si: P(A  B)  P(A ∩ B) = P (A) P (B) S Donde S es el espacio de probabilidad y se utiliza como ley de probabilidad la ley de Laplace.45. Vamos a seguir el tipo de solución paso a paso. siguiendo el pensamiento de definición observando P(A ∩ B) = 0. • Lo que me hace distinguir entre los dos conceptos fundamentales es su relación. en otras palabras dividido en varias etapas intentando aumentar la atención por parte de los estudiantes y asegurar la comprensión del material diseñado. P(B) = 0. suele buscar una relación de implicación entre estos dos conceptos. que se elaboraron durante las conferencias mediterráneas sobre la enseñanza matemática de hoy y el mejoramiento del proceso de aprendizaje. De esa manera.045 ≠ 0.

B. es decir. aparecen casi igualmente divididos según la existencia de la solución que no incluirá la segunda etapa. CC}. el proceso de la evaluación con la subjetividad que puede involucrar de caso a caso. P(B) = 0. NC. Así que el valor de P(B) no se necesita. Ejercicio 3 Lanzamos una moneda dos veces y registramos los resultados. aún convencidos del pensamiento que se incluye en la primera etapa. NN. C son mutuamente excluyentes? Solución Etapa 1. Se trata de un tema que por sí mismo pueda ocupar el contenido de varios artículos. aunque no se pregunta en nuestro ejercicio 3. Utilizando la formula de la probabilidad condicional. {CN. considerado a veces rudimentario. Subrayaremos que en este caso no quedamos solo en la intersección de los eventos. Ejercicio 2 En este ejercicio introduciremos a nuestros estudiantes en el pensamiento que acompaña la justificación de la existencia de las fórmulas. Denotamos los siguientes eventos: A = {que aparezca C en la primera lanzada} B = {que aparezca C en la secunda lanzada} C = {que aparezca C solamente una vez} ¿Podemos decir que los eventos A. NC} Etapa 3. PB PB Etapa 3. Aquí se demuestra muy bien que aun en un proceso sencillo. ¿podemos estar seguros que no se considerará un error durante el proceso de evaluación por algún examinador? Acá se presenta la coordinada práctica de nuestra vida diaria en la enseñanza en cada etapa. B. Escribir cada uno de los eventos A. Comparar las dos etapas anteriores para lograr una internalización más profunda de lo enseñado. B = {NC. B son independientes. A∩C = {CN} de manera que la conclusión viene automáticamente. C = {CN. así que la condición A/B no tiene sentido.2. B sean independientes. Lo que destaca en el diálogo generado se bosqueja verdaderamente en las siguientes palabras Aunque aceptamos entre nosotros la infalibilidad de la solución basada en la primera etapa de arriba. C en su forma analítica A = {CN. CC} usando C por la cara y N por el sello.6. se adquiere una dimensión nueva para definir un conjunto necesario. Calcular el valor de P(A) para que los eventos A. B∩C = {NC}. CC}. 4 22 49 . Comentario: Se ha observado durante la corrección de los exámenes parciales que muchos errores ocurren como consecuencia de la falta de comprensión sobre lo elementos que componen el espacio muestral. cuya cardinalidad forma el denominador de la probabilidad según Laplace. (No obligatoria) Contradecir al concepto de los eventos independientes. En el caso de que sean independientes. P(A/B) = P(A). En esta fase realizamos una discusión sobre si la primera etapa constituye por sí sola una solución formal del problema. en cuanto a la independencia eventual tenemos PA  B P A  P B P(A/B)    PA  . A no influye en la realización o no de B. es decir. Solución: Etapa 1. Etapa 4. Registrar los resultados al obtener el espacio muestral. como el de conteo. dando la equivalencia Intersección vacía = eventos mutuamente excluyentes Observamos que A∩B = {CC}. Enfocar en el concepto de la intersección. Etapa 2. Podemos observar que los grupos asignados. sino que damos un paso más calculando la probabilidad de esta intersección 1 11 P(A  B)    PA  PB Así que A. Dado que P(A/B) = 0. Etapa 2. Conceptualizar un poco sobre la interpretación del concepto de independencia.

d) No sea roja. Si se extraen dos barajas simultáneamente del juego de 52 cartas. 4 azules y 6 blancas. 5. Si se extrae una bola al azar. Supóngase que se extrae una carta de la baraja de 52 cartas. b) ¿Qué elementos del espacio muestral anterior constituyen el suceso “al menos dos de las personas son partidarias de consumir el producto? 3. 5 amarillas y 7 verdes. ¿Cuál es la probabilidad de extraer al azar una espada o un trébol de una baraja de 52 cartas? 7. Se extraen sucesivamente tres bolas. 50 . Resolver el problema anterior si la extracción se hace con remplazo. calcula la probabilidad de: a) Sea roja. Una experiencia aleatoria consiste en preguntar a tres personas distintas. b) Las dos cartas sean trébol. Escriba el espacio muestral de este experimento aleatorio. Escriba el espacio muestral de este experimento aleatorio.CONJUNTO DE EJERCICIOS PROPUESTOS N° 1. 2. Un estudiante responde al azar a dos preguntas de verdadero y falso. Y los siguientes sucesos a) Suceso A = {extraer tres bolas del mismo color} b) Suceso B = {extraer al menos una bola blanca} c) Suceso C = {extraer una sola bola negra} 4. e) No sea amarilla. 8. c) Un trébol o un rey. Determinar la posibilidad de que en el primer lanzamiento salga un número par y en el segundo lanzamiento salga un 5 o un 6. 6. suponiendo que la extracción sea sin remplazo. c) Una bola roja o negra. a) Escriba el espacio muestral asociado a dicho experimento. c) La primera sea un as y la segunda sea espada. cuál es la probabilidad de que: a) Las dos cartas sean espada. 9. cuál es la probabilidad de que esta sea: a) Un rey o un as. c) Sea amarilla. Una caja contiene 2 bolas rojas. utilizando la letra “s” para las respuestas afirmativas y la letra “n” para las negativas. b) Una espada o un as. Sea el experimento lanzar un dado dos veces y anotar el número que sale en el mismo orden de los lanzamientos. elegidas al azar. si son partidarias o no de consumir un determinado producto. b) Sea verde. b) Una bola azul. 3 negras. Una urna tiene 8 bolas rojas. 10. ¿Cuál es la probabilidad de seleccionar: a) Una bola blanca. Una bolsa contiene bolas blancas y negras. 1.

b) Exprese por extensión los eventos.. 1.. AB y O. calcular las probabilidades: a) Que sea blanca e) Que no sea blanca b) Que sea azul f) Que sea negra c) Que no sea azul g) Que no sea blanca ni azul d) Sea roja o azul h) Que sea blanca. c) Escriba A  B por extensión.CONJUNTO DE EJERCICIOS PROPUESTOS N° 2.Una bolsa contiene 4 esferas blancas 3 azules y 5 rojas. Se pide hallar las siguientes probabilidades A = Obtener un oro B = Obtener un as 4..En el experimento que consiste en extraer una carta de una baraja española consideremos el suceso A = "Salir figura". A. azul o roja B. Además.Se realiza un experimento aleatorio que consiste en la extracción de una carta de una baraja española. calcule las siguientes probabilidades: a) Que sean azules e) A lo más 2 sean azules b) Que sean blancas f) Como máximo una sea blanca c) Que sean rojas g) Que sea una de cada color d) A lo menos una sea roja h) Que 2 sean blancas y una roja.Los tipos de grupos sanguíneos humanos son: A. 51 .. a) Exprese por extensión el espacio muestral.Sea el experimento E = Lanzar 2 dados simultáneamente Se definen los eventos: A = {Obtener una suma impar}. B. E = {B y C ocurren} F = {Solamente B ocurre} G = {No ocurre B} 6. Hallar la probabilidad de los siguientes sucesos. Si se saca una esfera al azar. Un técnico laboratorista anota el tipo de sangre de los pacientes.Sea el experimento E: lanzar una moneda y un dado (en ese orden). ¿Cuándo diremos que se ha realizado el suceso A? 2.Consideremos el experimento aleatorio que consiste en lanzar dos datos y anotar la suma de los puntos de las caras superiores.. B = {Obtener por lo menos un seis} a) Escriba el espacio muestral b) Escriba los eventos señalados matemáticamente y por extensión.. 7. 3.. e y f. d. cada individuo puede tener un factor Rh– o Rh+. d) Escriba A  B e) Escriba A – B f) Escriba A’ g) Escriba en palabras los eventos c. Si se sacan 3 esferas simultáneamente al azar. A = Obtener una suma igual a 8 B = Obtener una suma menor o igual a 4 5. A = {Aparece cara y un número par} B = {Aparece un número primo} C = {Aparece sello y un número impar} D = {A o B ocurren}. Elabora una lista del espacio muestral de este experimento.

75 personas respondieron que tenían hijos . Si el ensayo indica que el componente está averiado.500 mensuales. la probabilidad de que el ensayo diga lo contrario es 0.05. Cuál es la probabilidad de que sea casado.. calcular las probabilidades siguientes: a) Que haya reprobado al menos una materia b) Que haya reprobado solo matemáticas c) Que haya aprobado ambas asignaturas d) Que haya aprobado solo estadística.8. -1. -950 perciben ingresos inferiores a Bs 4.. 9. cuando el componente funciona.. ¿Cuántos signos de este tipo pueden formarse? 12. b) Cuál es la probabilidad que una persona elegida al azar: b1) Trabaje y tenga hijos. 52 . Su estado (averiado o funcionando) se comprueba con un ensayo que cumple que.. habitan en casa arrendada y tienen ingresos inferiores a Bs 4.01.35 respondieron que no poseían trabajo. el 15 % reprobó estadística y el 10 % reprobó ambas materias. viva en casa arrendada y perciba ingresos inferiores a Bs 4.500 mensuales.500 mensuales -200 son casados no habitan en casa arrendada y perciben ingresos superiores a Bs 4. La probabilidad de que un componente se averíe en un periodo de tiempo dado es 0. c1) Describa el espacio muestral.Se forman signos que consisten de una figura geométrica (circunferencia. de las 28 que hay.. de forma que se puedan aplicar una a la otra (es decir. b) Si se elige un afiliado al azar. triángulo o hexágono). pero si el componente está averiado el ensayo no se equivoca.600 respuestas con los siguientes resultados: -800 afiliados son casados.500 mensuales -350 son casados y perciben ingresos inferiores a Bs 4. pero si tenían hijos.500. b2) Tenga trabajo. c2) Calcule la probabilidad de escoger a lo más a tres personas. obteniéndose los siguientes resultados: . de modo que se encuentre el mismo número de tantos en ambas fichas)? 13. -350 son casados y habitan en casa arrendada.En una facultad el 25 % de los estudiantes reprobó matemáticas. que habitan en casa arrendada y perciben ingresos inferiores a Bs 4.El departamento de préstamos de una institución financiera ha efectuado una encuesta entre sus afiliados. Se obtuvieron 2..En una encuesta realizada a 200 personas adultas se les consultó si tenían hijos y si poseían trabajo. .500 mensuales Se pide determinar: a) El número de afiliados casados. cuadrado. ¿Cuál es la probabilidad de que realmente lo esté? 11. eligiendo hasta un máximo de 5 personas.80 respondieron que tenían solamente trabajo. una letra y una cifra. 10. Se selecciona un estudiante al azar. -230 son solteros.Una empresa produce componentes electrónicos.¿De cuantas formas se pueden escoger dos fichas de domino. como parte de un estudio para la determinación de prioridades en la asignación de préstamos.000 afiliados habitan en casa arrendada. c) Se escogen personas hasta que una responde que tiene hijos o tiene trabajo. b3) No tenga hijos ni trabaje. a) Represente la información en un diagrama de Venn.

Dos aplicaciones principales de la teoría de la probabilidad en el día a día son en el análisis de riesgo y en el comercio de los mercados de materias primas. Muchos bienes de consumo. las probabilidades no se calculan independientemente y tampoco son necesariamente muy racionales. por ej. puede ser de alguna importancia para la mayoría de los ciudadanos entender cómo se calculan los pronósticos y las probabilidades.wikipedia. En un universo determinista. PROBABILIDAD. lisura y redondez de la bola. no hay probabilidad si se conocen todas las condiciones. lo que le da una gran importancia a las descripciones probabilísticas. sólo puede ser descrita actualmente a través de distribuciones de probabilidad. puede haber una probabilidad de 1 entre 52 de que la primera carta en una baraja sea la J de diamantes. Se puede decir razonablemente que el descubrimiento de métodos rigurosos para calcular y combinar los cálculos de probabilidad ha tenido un profundo efecto en la sociedad moderna. lo que imposibilita la creación de un sistema de ecuaciones determinista. basado en los conceptos newtonianos. el peso. La mecánica cuántica. "la probabilidad de otro 11-S". Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto generalizado sobre los precios del petróleo en Oriente Medio que producen un efecto dominó en la economía en conjunto. el grado de nuestra ignorancia dada una situación. o esto es. cuando la mecánica cuántica es probabilística no por el hecho de que siga procesos aleatorios sino por el hecho de no poder determinar con precisión sus parámetros fundamentales. como los automóviles y la electrónica de consumo. y a menudo miden el bienestar usando métodos que son estocásticos por naturaleza. y en la paz y en los conflictos. especialmente en una democracia. La probabilidad de avería también está estrechamente relacionada con la garantía del producto. Se puede decir que no existe una cosa llamada probabilidad. Naturalmente. esto también supone el conocimiento de la inercia y la fricción de la ruleta. las variaciones en la velocidad de la mano durante el movimiento y así sucesivamente. si uno mira la primera carta y la reemplaza. entonces la probabilidad es o bien 100% ó 0%. La física moderna proporciona ejemplos importantes de situaciones determinísticas donde sólo la descripción probabilística es factible debido a información incompleta y la complejidad de un sistema así como ejemplos de fenómenos realmente aleatorios. Una descripción probabilística puede entonces ser más práctica que la mecánica newtoniana para analizar el modelo de las salidas de lanzamientos repetidos de la ruleta. También se puede decir que la probabilidad es la medida de nuestro grado de incertidumbre. debido al principio de indeterminación de Heisenberg. Tomado de: http://es. La teoría de las finanzas conductuales surgió para describir el efecto de este pensamiento de grupo en el precio. y la elección correcta puede ser hecha con precisión por el que ve la carta. Por consiguiente. Por consiguiente. en la política. Una ley de números pequeños tiende a aplicarse a todas aquellas elecciones y percepciones del efecto de estas elecciones. APLICACIONES. Sin embargo. si la fuerza de la mano y el periodo de esta fuerza es conocido. Por consiguiente. y escogen qué proyectos emprender basándose en análisis estadísticos de su probable efecto en la población como un conjunto. En el caso de una ruleta. entonces el número donde la bola parará será seguro. Hoy en día no existe un medio mejor para describir la física cuántica si no es a través de la teoría de la probabilidad.org/wiki/Probabilidad Fin de la Unidad I 53 . ya que típicamente los análisis de riesgo son para una única vez y por lo tanto requieren más modelos de probabilidad fundamentales. No es correcto decir que la estadística está incluida en el propio modelado. Un cálculo por un mercado de materias primas en que la guerra es más probable en contra de menos probable seguramente envía los precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinión. Los gobiernos normalmente aplican métodos probabilísticos en regulación ambiental donde se les llama "análisis de vías de dispersión". Mucha gente hoy en día confunde el hecho de que la mecánica cuántica se describe a través de distribuciones de probabilidad con la suposición de que es por ello un proceso aleatorio. y cómo contribuyen a la reputación y a las decisiones. Otra aplicación significativa de la teoría de la probabilidad en el día a día es en la fiabilidad. utilizan la teoría de la fiabilidad en el diseño del producto para reducir la probabilidad de avería. lo que hace de las medidas probabilísticas un tema político.

UPEL.Venezuela. (1977) Introducción a la Inferencia Estadística.Feller. Edición) Caracas . . (1ra. Editorial McGraw.Venezuela. . J.slideshare. Editorial Torino. (1998) Probabilidad y Estadística para el aula.. Edición) México. (1996) Cálculo de la Probabilidad e Inferencia Estadística con tópicos de Econometría. R.Salama. Edición) Mérida – Venezuela. Edición) Maracay – Venezuela. . Beaver R y Beaver B. Publicaciones UCAB. . . (1992) Probabilidad y Aplicaciones Estadísticas. . (1996) Módulo de Probabilidad.Guenther. (2008) Introducción a la probabilidad y estadística.Valera I. (3ra.Chourio. R. (6ta Edición) Caracas . Edición) Caracas .. A. (1ra. (2008) Estadística.López C. W. Metodología y Aplicaciones. (1996) Introducción a la teoría de Probabilidades y sus aplicaciones. (1997) Estadística I. D.Meyer. Fondo educativo Interamericano. . Cengage Learning. Editorial Limusa. ULA. W. Editorial Biosfera. (2da. (1ra.-Hill Book.http://www. .Mendenhall.Reyes.net/rial08/la-normal 54 . P. Estados Unidos. .Venezuela. (Volumen I) México. Décimo segunda edición. BIBLIOGRAFÍA .