Teoria de Probabilidades Modulo Marco

Facultad de Ciencias Basicas -Departamento de Matematicas Area de Estadistica
Teoria de la Probabilidad
Agosto/ 2006 -Marco Antonio Triana
INTRODUCCIN A LA TEORIA DE LA
PROBABILIDAD

CONCEPTO DE PROBABILIDAD

RESEA HISTRICA. Algunos matematicos Iranceses como Pascal y Fermat (siglo
XVII) realizaron el primer estudio sobre juegos de azar, desarrollando metodos y
tecnicas para el calculo de probabilidades. La teoria de la probabilidad Iue aplicada con
exito en los juegos de azar, en problemas sociales y economicos. La industria de
seguros requeria un conocimiento preciso acerca de los riesgos de perdida. Muchas
instituciones educativas estudiaron la probabilidad como una herramienta para el
entendimiento de estos Ienomenos.

DEFINICIN. Nuestra necesidad de tratar con la incertidumbre nos lleva a estudiar y
utilizar la teoria de la probabilidad. La probabilidad es la posibilidad de que un evento
dado ocurra. La teoria de la probabilidad tiene como Iinalidad proporcionar los
conceptos, modelos y metodos matematicos necesarios para describir el
comportamiento del azar, midiendo el grado de incertidumbre asociado a la ocurrencia
de sucesos de nuestro interes. Construye las herramientas matematicas necesarias en la
Estadistica InIerencial para sacar conclusiones acerca de algunas caracteristicas
poblacionales, a partir de la inIormacion proporcionada por los datos de una muestra
aleatoria. Ademas, proporciona los modelos matematicos necesarios para describir el
comportamiento de los terminos de error de los diIerentes tipos de modelos.

ALGUNOS CONCEPTOS BSICOS
1. Experimentos aleatorios. Espacio muestral.
Si dejamos caer una piedra o la lanzamos, y conocemos las condiciones iniciales de
altura, velocidad, etc., sabremos con seguridad donde caera, cuanto tiempo tardara, etc.
Es una experiencia determinista. Si lanzamos un dado sobre una mesa, ignoramos que
cara quedara arriba. El resultado depende del azar. Es una experiencia aleatoria.
Experimentos aleatorios son aquellos que pueden dar lugar a varios resultados, sin que
pueda ser previsible enunciar con certeza cual de estos va a ser observado en la
realizacion del experimento. En el caso del lanzamiento del dado es posible que salga el
1, 2, 3, 4, 5 o 6 en la cara superior del dado.
Suceso aleatorio es un acontecimiento que ocurrira o no, dependiendo del azar. La vida
cotidiana esta cubierta de sucesos aleatorios. Muchos de ellos, de tipo sociologico
(numero de viajes en un tiempo dado, numero de accidentes, numero de personas que
acudiran a un gran almacen, etc...), estos sucesos pueden ser estudiados como aleatorios.
A todos los posibles resultados que se obtienen en los experimentos aleatorios se le
llama espacio muestral.
Espacio muestral es el conjunto Iormado por todos los posibles resultados de un
experimento aleatorio. En adelante lo designaremos por O.
Ejemplo 1: Describe el espacio muestral asociado a cada uno de los siguientes
experimentos aleatorios:
a. Lanzar una moneda tres veces.
b. Lanzar dos dados y anotar la suma de los puntos obtenidos.
c. Sacar dos bolas en orden de una urna que contiene tres bolas blancas y dos
negras.
d. Determinar el tiempo, con relacion si el dia es lluvioso o no, que hara durante
cuatro dias consecutivos.
Solucin:
a. Llamando C a obtener cara y S a la obtencion de sello, obtenemos el siguiente
espacio muestral:
O (CCC), (CCS), (CSC), (SCC), (CSS), (SCS), (SSC), (SSS)}
b. O 2,3,4,5,6,7,8,9,10,11,12}
c. Llamando B a sacar bola blanca y N a sacar bola negra, en la primera posicion
se coloca el color de la bola de la primera extraccion y en la segunda posicion se
coloca el color de la bola de la segunda extraccion, tenemos:
O BB, BN, NB, NN}
d. Si llamamos L al dia lluvioso y L
C
al dia no lluvioso, para cuatro dias
consecutivos( la posicion indica el dia), se obtiene el siguiente espacio muestral:
O (LLLL), (LL LL
C
), (LL L
C
L), (LL
C
LL), (L
C
LLL), (LL L
C
L
C
),
(L L
C
L
C
L), (L
C
L
C
LL), (LL
C
LL
C
), (L
C
LLL
C
), (L
C
LL
C
L), (L
C
L
C
L
C
L),
(L
C
L
C
LL
C
), (LL
C
L
C
L
C
), (L
C
LL
C
L
C
), (L
C
L
C
L
C
L
C
)}
2. Sucesos. Operaciones con sucesos.
2.1. Sucesos.
En el Efemplo anterior podemos ver que el espacio muestral asociado al lanzamiento de
dos dados y anotar la suma de los puntos obtenidos es:
O 2,3,4,5,6,7,8,9,10,11,12}

Podemos considerar algunos subconjuntos de O, por ejemplo:

A 'La suma es un multiplo de 4, A 4, 8,12}
B 'La suma es un numero primo, B 2, 3, 5,7}
C 'La suma es un numero mayor que 6, C 7, 8, 9, 10, 11, 12}
D 'La suma es un numero entre 3 y 6, D 3, 4, 5, 6}
Todos estos subconjuntos del espacio muestral O los llamamos sucesos o eventos.
Suceso de un experimento aleatorio es cada uno de los subconjuntos del espacio
muestral O. Los elementos de O se llaman sucesos individuales o sucesos elementales.
Tambien son sucesos el suceso imposible, lo denotamos por O (no ocurre nunca), y el
propio O, suceso seguro.
Ejemplo 2: Se considera el sexo y el orden con respecto a la edad (de mayor a menor)
de los hijos de Iamilias conIormadas por tres hijos. Sea A el suceso el hifo mavor es una
mufer, y B el suceso los dos hifos pequeos son varones. Cuales son los elementos de
A y B?
Solucin:
Sea el suceso V 'ser varon y el suceso M ~ser mujer, el espacio muestral esta
Iormado por los sucesos elementales:
O (VVV),(VVM),(VMV),(MVV),(VMM),(MVM),(MMV),(MMM)}

Los sucesos A y B son compuestos y estan Iormados por los siguientes sucesos
elementales:
A (MMM), (MMV), (MVM), (MVV)}

B (VVV), (MVV)}
Ejemplo 3: Se consideran todas las Iamilias conIormadas por cuatro hijos. Se escogen
al azar 2 hijos. Sea A el suceso el hifo mavor es una mufer, B el suceso el hifo pequeo
es un varon, y el suceso C los dos hifos son muferes. Cuales son los elementos de A, B
y C?
Solucin:
Sea el suceso V 'ser varon y el suceso M ~ser mujer, el espacio muestral esta
Iormado por los sucesos elementales:
O (VV),(VM),(MV),(MM)}

Los sucesos A y B son compuestos y estan Iormados por los siguientes sucesos
elementales:
A (MM), (MV)}

B (VV), (MV)}, C (MM)}

2.2. Operaciones con sucesos.
Dados dos sucesos, A y B que pertenecen a un espacio muestral O:
Unin

Es el suceso
Iormado por los
elementos de A o los
elementos de B o los
elementos de A y B.
Interseccin

Es el suceso
Iormado por todos los
elementos que son, a la
vez, de A y de B.
Complemento
del Suceso
O
El suceso
C
A se llama
Complemento de A. Es el
suceso Iormado por todos
los elementos que no son
de A pero son de O.
Dos sucesos A y B, son disjuntos cuando no tienen ningun elemento en comun, es
decir, cuando O. Dos sucesos A y B, son colectivamente exhaustivos si
= B A
Las operaciones union, interseccion y complemento veriIican las siguientes
propiedades:
Unin Interseccin
1. Conmutativa

2. Asociativa

3. Idempotente

4. SimpliIicacion

5. Distributiva
6. Elemento neutro

A A =
7. Absorcion
= A

A las Iamilias de conjuntos que veriIican las propiedades anteriores se les denomina
lgebra de Boole. En el algebra de Boole anterior se veriIican las siguientes
propiedades, conocidas como leyes de Morgan:
El complemento de la union de dos sucesos es la interseccion de sus
complementos:
C C C
B A B A = ) (

El complemento de la interseccion de dos sucesos es la union de sus
complementos:
C C C
B A B A = ) (

Ejemplo 4: Una urna contiene siete bolas numeradas del 1 al 7. Realizamos el
experimento, que consiste en sacar dos bolas de la urna, anotar el numero y devolverlas
a la urna. Considere los siguientes sucesos: A "Salen numeros primos", B "Sale un
solo numero par", C 'Salen numeros impares, D 'Salen numeros mayores que 5.
a. Encontrar los siguientes sucesos ( ), ( )
C
, ( ), (
C C
B A ),
) ( D C B A .
b. Los sucesos A y B, son disjuntos?
c. Cuales sucesos son disjuntos?
d. Los sucesos A, B, C y D son colectivamente exhaustivos?
e. DeIina el complemento de A.
I. DeIina el complemento de B.
Solucin:
El espacio muestral esta Iormado por los sucesos elementales:
O 1,2},1,3},1,4},1,5},1,6},1,7},2,3},2,4},2,5},2,6},2,7},3,4},3,5},

3,6}, 3,7},4,5},4,6},4,7},5,6},5,7},6,7}}
Los sucesos A, B, C v D estan Iormados por los siguientes elementos:
A 2,3},2,5},2,7},3,5},3,7},5,7}}

B 1,2},1,4},1,6},2,3},2,5},2,7},3,4},3,6},4,5},4,7},5,6},6,7}}

C 1,3},1,5},1,7},3,5},3,7},5,7}}

D 6,7}}

A partir de estos conjuntos, tenemos:

1,2},1,4},1,6},2,3},2,5},2,7},3,4},3,5},3,6},3,7},4,5},4,7},
5,6},5,7}, 6,7}}
( )
C
1,3},1,5},1,7},2,4},2,6},4,6},1,3},1,5},1,7}}

2,3},2,5},2,7}}. Al ser = O, los sucesos A y B no son disjuntos.

Los sucesos (A, D), (C, D), (B, C) son disjuntos porque ) ( D A O, ) ( D C O,

) ( D C O.

El complemento de A es
C
A 1,2},1,3},1,4},1,5},1,6},1,7},2,4},2,6},3,4},
3,6},4,5},4,6},4,7},5,6},6,7}}
El complemento de B es
C
B 1,3},1,5},1,7},2,4},2,6},3,5},3,7},4,6},5,7}}

Ahora,
C C
B A 1,3},1,5},1,7},2,4},2,6},4,6}}

) ( D C B A 1,2},1,3},1,4},1,5},1,6},1,7},2,3},2,5},2,7},3,4},
3,5},3,6}, 3,7},4,5},4,7},5,6},5,7},6,7}}
Al ser ) ( D C B A , los sucesos A, B, C y D no son colectivamente
exhaustivos.
3. Definicin de Probabilidad. Propiedades.
3.1. Definicin de Probabilidad.

Al repetir n-veces y en identicas condiciones un experimento aleatorio, el cociente entre
el numero de veces que ocurre un suceso dado (resultado esperado) y el numero total de
veces que se realiza el experimento es igual a la probabilidad de ocurrencia del suceso
dado, este resultado tiende a un numero Iijo. Esta propiedad se conoce como ley de los
grandes nmeros, establecida por Jakob Bernouilli.

La Probabilidad de un suceso A se puede calcular si conocemos su Irecuencia relativa,
es decir, es el numero al que tiende su Irecuencia relativa asociada al suceso dado a
medida que el numero de veces que se realiza el experimento crece (n ).
La Irecuencia relativa de la ocurrencia del suceso A se representa de la siguiente
Iorma:

Propiedades de la Irecuencia relativa de un suceso A:
0 f
r
(A) 1 para cualquier suceso A.
f
r
( ) f
r
(A) f
r
(B) O.
f
r
(O) 1, f
r
(O) 0.
La anterior deIinicion representa el calculo de probabilidades por medio de la
Irecuencia relativa del suceso A. Este procedimiento presenta el inconveniente de tener
que realizar el experimento un gran numero de veces y ademas el resultado de la
probabilidad siempre es un valor aproximado.
Definicin axiomtica.
El calculo de probabilidad de un suceso A considera la relacion entre la
Irecuencia relativa del suceso y su probabilidad cuando se realiza el experimento
un gran numero de veces.
Sea O el espacio muestral de cierto experimento aleatorio. La Probabilidad de
cualquier suceso A es un numero que veriIica:
1. Cualquiera que sea el suceso A, P(A) 0.
2. Si dos sucesos son disjuntos, la probabilidad de su union es igual a la
Suma de sus probabilidades:
O P( ) P(A) P(B).
La anterior deIinicion indica que los sucesos A y B son
mutuamente excluyentes.
3. La probabilidad total es 1 P(O) 1.
Definicin de Probabilidad Clsica (Laplace).
En el caso de que todos los sucesos elementales del espacio muestral O sean
equiprobables, Laplace deIine la probabilidad del suceso A como el cociente
entre el numero de resultados Iavorables del suceso A en el experimento y el
numero total de resultados posibles del experimento.
Si O X
1
, X
2
,..., X
k
} y P(X
1
) P(X
2
) ... P(X
k
), entonces:
resultados posibles de Total
A suceso al favorables casos de Numero
A P

) ( =

Ejemplo 4:

Consideremos el experimento "lanzar un dado y anotar el resultado".

El espacio muestral es O 1, 2, 3, 4, 5, 6}.

Las probabilidades de cada uno de los sucesos son:
P(O) 0
P({1}) 1/6 , P({2}) 1/6 , ...., P({6}) 1/6
P({1,2}) P({1}) P({2}) 1/6 1/6 2/6 ,P({1,2,3}) 3/6
P({1,2, 3, 4, 5, 6}) P(O) 1
3.2. Propiedades.
1. P(
C
A ) 1 - P( A )
2. P( O ) 0
3. Si A B P( B ) P( A ) P(
C
A B )
4. Si A B P( A ) P( B )
5. Si A
1
, A
2
, ... , A
k
, son excluyentes dos a dos, entonces:
P( A
1
A
2
... A
k
) P( A
1
) P( A
2
) ... P( A
k
)
6. Si los sucesos A y B no son excluyentes, entonces:
P( ) P( A ) P( B ) - P( )
7. Si los sucesos A, B y C no son excluyentes, entonces:
P( C B A ) P( A ) P( B ) P( C ) - ) ( B A P -
) ( ) ( ) ( C B A P C B P C A P +
8. Si el espacio muestral O es Iinito y un suceso es A {x
1
, x
2
, ... , x
K
} , entonces:
P( A ) P( x
1
) P( x
2
) ... P( x
K
)
Ejercicio 1. En una baraja de 52 cartas, Cual es la probabilidad de sacar un AS?, Cual
es la probabilidad de sacar OROS?
Solucin:

52
4

) ( = =
cartas de total Numero
ASES de Numero
AS P

52
10

) ( = =
cartas de total Numero
OROS de Numero
OROS P

Ejercicio 2. En una baraja hemos suprimido varia cartas. Entre las que quedan, se dan
las siguientes probabilidades de ser extraidas:
P(REY) 0.15, P(BASTOS) 0.3, P("carta que no sea REY ni BASTOS") 0.6.
a. Esta entre ellas el REY de BASTOS? En caso aIirmativo, da su probabilidad.
b. Cuantas cartas hay?
Solucin:
a. Denotemos REY R, BASTOS B, entonces:
P( ni REY ni BASTOS )
C C C
B R P B R P ) ( ) ( = ) ( 1 ) ( B R P B R P
C
=

C
B R P B R P ) ( 1 ) ( = 1 - 0.6 0.4

P( R B ) P( R ) P( B ) - P( R B )
0.4 0.15 0.3 - P( R B ) P( R B ) 0.05

Por tanto, el REY de BASTOS esta y su probabilidad es:
P( REY de BASTOS ) P( REY BASTOS ) 0.05 1/20
b. Un subconjunto de cartas de una baraja es un instrumento aleatorio de
"Laplace", es decir, la probabilidad de extraer cada una de ellas es igual. Si en
este subconjunto la probabilidad de extraer el rey de bastos es 1/20, es porque
hay 20 cartas.
Ejercicio 3. Se lanzan dos dados con seis caras marcadas con los numeros del 1 al 6. Se
pide:
a. Hallar la probabilidad de que la suma de los valores que aparecen en la cara
superior sea multiplo de tres.
b. Cual es la probabilidad de que los valores obtenidos diIieran en una cantidad
mayor de dos?
Solucin:
El espacio muestral del experimento es:
O (1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1); ...; (6,6)}

El espacio muestral esta Iormado por 36 sucesos elementales equiprobables.
Constituyen el numero de casos posibles del experimento.

Utilizando la regla de Laplace, calculamos las probabilidades de los sucesos que nos
piden:
a. Si llamamos A al suceso "obtener una suma multiplo de 3", los casos Iavorables
al suceso A son:
A (1,2); (2,1); (1,5); (2,4); (3,3); (4,2); (5,1); (3,6); (4,5); (5,4); (6,3); (6,6)}.
Por tanto, P(A) 12/36 1/3
b. Si llamamos B al suceso "obtener unos valores que se diIerencian en una
cantidad mayor que dos", los casos Iavorables al suceso B son:
B (1,4); (4,1); (1,5); (5,1); (1,6); (6,1); (2,5); (5,2); (2,6); (6,2); (3,6); (6,3)}.

Por tanto, P(B) 12/36 1/3.

Ejercicio 4. Si escogemos al azar dos numeros de teleIono y observamos la ultima ciIra
de cada uno, determina las probabilidades siguientes:
a. Que las dos ciIras sean iguales.
b. Que su suma sea 11.
c. Que su suma sea mayor que 7 y menor que 13.
Solucin:
El espacio muestral de este experimento esta Iormado por los cien sucesos elementales:
00, 01, 02, 03, 04, 05, 06, 07, 08, 09, 10, 11,..., 98, 99. Para cada suceso del enunciado
calculamos sus casos Iavorables, aplicamos la regla de Laplace y obtenemos:
a. Los casos Iavorables son: 00, 11, 22,..., 99. La probabilidad de que las ultimas
ciIras sean iguales es:
P (ultimas ciIras iguales) 10/100 1/10 0.1 10
b. Los casos Iavorables a que la suma de las ultimas ciIras sea 11 son: 29, 38, 47,
56, 65, 74, 83 y 92. Por tanto,
P (ultimas ciIras suman once) 8/100 0.08 8
c. Deben contarse los numeros de dos ciIras cuya suma sea 8, 9, 10, 11 y 12.
Haciendo un recuento ordenado, se obtienen 43 casos Iavorables. La
probabilidad buscada es:
P (ultimas ciIras suman un valor mayor que 7 y menor que 13) 43/100 43
Ejercicio 5. Se tiran tres dados al mismo tiempo. Encuentra la probabilidad de:
a. Encontrar el resultado 333.
b. La suma de los numeros sea menor que 5.
Solucin:
Los casos posibles de este experimento son las 216 ternas siguientes: 111, 112, 121,
211, ..., 665, 666.
a. Si llamamos A al suceso "obtener el resultado 333", los casos Iavorables
al suceso A son:
A (3,3,3)}.
Por tanto, P(A) 1/216 0,46
b. Si llamamos B al suceso " La suma de los numeros sea menor que 5", los
casos Iavorables al suceso B son:
B (1, 1,1); (1, 1,2); (1, 2,1); (2, 1,1)}.
Por tanto, P(B) 4/216 1,85
Ejercicio . En el sector sur de la ciudad de Cali habitan 100.000 personas, de las cuales
44.000 son mayores de 40 aos, 20.000 tienen calvicie y 12.000 son mayores de 40
aos y tienen calvicie. Si seleccionamos aleatoriamente un habitante del sector sur de la
ciudad de Cali, calcule la probabilidad:

a) No sea mayor de 40 aos.
b) No tenga calvicie.
c) Sea mayor de 40 aos o tenga calvicie.
d) No sea mayor de 40 aos y tenga calvicie.
e) Sea mayor de 40 aos y no tenga calvicie.
I) No sea mayor de 40 aos y no tenga calvicie.

Realizar el Diagrama de Venn.

Solucin:
El espacio muestral de este experimento esta Iormado por todos los habitantes del sector
sur de la ciudad de Cali. Para cada suceso del enunciado calculamos sus casos
Iavorables, aplicamos la regla de Laplace.
a. Si llamamos A al suceso "ser mayor de 40 aos", los casos Iavorables al
suceso A son 44.000
Por tanto, P(A) 44.000/100.000 44, entonces A
C
es el suceso "no ser
mayor de 40 aos", es decir, P(A
C
) 56
b. Si llamamos B al suceso " Tener calvicie", los casos Iavorables al suceso
B son 20.000
Por tanto, P(B) 20.000/100.000 20, entonces B
C
es el suceso "no tener
calvicie", es decir, P(B
C
) 80
Ahora tenemos,
P(Ser mayor de 40 aos y Tener calvicie) ) ( B A P 12.000/100.000 12
El diagrama de Venn que representa los sucesos A y B es el siguiente:

Observando el Diagrama de Venn, vemos lo siguiente:
El 52 de las personas del sector sur de Cali son mayores de 40 aos o tienen
calvicie, es decir, ) ( B A P 52.

El 8 de las personas del sector sur de Cali no son mayores de 40 aos y tienen
calvicie, es decir, ) (
C
A B P 8.

El 30 de las personas del sector sur de Cali son mayores de 40 aos y no tienen
calvicie, es decir, ) (
C
B A P 32.

El 48 de las personas del sector sur de Cali no son mayores de 40 aos y no
tienen calvicie, es decir, ) (
C C
B A P 48.

Ejercicio 7. El 34 de los trabajadores de la empresa Colgate Palmolive S.A son
casados, el 37 tienen hijos menores de 5 aos, el 40 son proIesionales en el area
administrativa, el 12 son casados y tienen hijos menores de 5 aos, el 13 son
casados y son proIesionales en el area administrativa, el 20 tienen hijos menores de 5
aos y son proIesionales en el area administrativa y el 5 son proIesionales en el area
administrativa, son casados y tienen hijos menores de 5 aos.

12
A
B
A
32 8
48

Si seleccionamos un trabajador al azar,

a) Cual es la probabilidad de que este casado o tenga hijos menores de 5 aos o
sea un proIesional en el area administrativa?
b) Cual es la probabilidad de que presente al menos una de las caracteristicas
mencionadas?
c) Cual es la probabilidad de que presente al menos dos de las caracteristicas
mencionadas?
d) Cual es la probabilidad de que presente exactamente una de las
caracteristicas mencionadas?
e) Cual es la probabilidad de que presente exactamente dos de las
caracteristicas mencionadas?
I) Cual es la probabilidad de que presente maximo dos de las caracteristicas
mencionadas?
g) Cual es la probabilidad de que presente maximo una de las caracteristicas
mencionadas?
h) Cual es la probabilidad de que no presente ninguna de las caracteristicas
mencionadas?
i) Cual es la probabilidad de que este casado o tenga hijos menores de 5 aos y
no sea un proIesional en el area administrativa?

Realizar el Diagrama de Venn.
Solucin:
El espacio muestral de este experimento esta Iormado por todos los trabajadores de la
empresa Colgate Palmolive S.A. Para cada suceso del enunciado calculamos sus casos
Iavorables, aplicamos la regla de Laplace.
a. Si llamamos C al suceso "ser Casado", los casos Iavorables al suceso C lo
representamos por P(C) 34, entonces C
C
es el suceso "no ser Casado, es
decir, P(C
C
) 66.
b. Si llamamos H al suceso " Tener hijos menores de 5 aos", los casos
Iavorables al suceso H lo representamos por P(H) 37, entonces H
C
es el
suceso " No Tener hijos menores de 5 aos", es decir, P(H
C
) 63.
c. Si llamamos A al suceso " ser proIesional en el area administrativa", los
casos Iavorables al suceso A lo representamos por P(A) 40, entonces A
C

es el suceso " No es proIesional en el area administrativa ", es decir,
P(A
C
) 60.
Ahora tenemos,
P(Ser Casado y Tener hijos menores de 5 aos) ) ( H C P 12.
P(Ser Casado y Tener proIesion en el area administrativa) ) ( A C P 13.
P(Ser proIesional en el area administrativa y Tener hijos menores de 5 aos )
) ( H A P 20.
P(Ser proIesional en el area administrativa, ser casado y Tener hijos menores de
5 aos ) ) ( H A C P 5.
El diagrama de Venn que representa los sucesos A, C y H es el siguiente:

Donde,
T
i
Son los trabajadores que presentan la caracteristica i, i 1,.,8
Utilizando Notacion de conjuntos correspondiente a los sucesos T
i
tenemos:
T
1
) (
C C
A H C Trabajadores que son casados, no tienen hijos menores
de 5 aos y no son proIesionales en el area administrativa.
T
2
) (
C C
C A H Trabajadores que tienen hijos menores de 5 aos, no son
proIesionales en el area administrativa y no son casados.
T
3
) (
C C
H C A Trabajadores que son proIesionales en el area
administrativa, no son casados y no tienen hijos menores de 5 aos.
T
4
) (
C
A H C Trabajadores que son casados, tienen hijos menores de 5
aos y no son proIesionales en el area administrativa.
T
5
) (
C
H A C Trabajadores que son casados, son proIesionales en el
area administrativa y no tienen hijos menores de 5 aos.
T
6
) (
C
C H A Trabajadores que son proIesionales en el area
administrativa, tienen hijos menores de 5 aos y no son casados.
T
7
C
A
H
T
5
T
6
T
4
T
1
T
2

T
3
T
8

T
7
) ( A H C Trabajadores que son proIesionales en el area
administrativa, son casados y tienen hijos menores de 5 aos.
T
8
) (
C C C
A H C
C
A H C ) ( Trabajadores que no son
proIesionales en el area administrativa, no son casados y no tienen hijos
menores de 5 aos.
Asignando los datos porcentuales a los diIerentes sucesos, el diagrama de Venn
queda de la siguiente Iorma:

Observando el Diagrama de Venn, vemos lo siguiente:
a) 71 ) ( = A H C P es la probabilidad de que este casado o tenga hijos
menores de 5 aos o sea un proIesional en el area administrativa.
b) 71 ) ( = A H C P es la probabilidad de que presente al menos una de las
caracteristicas mencionadas.
c) 35 ) (
7 6 5 4
= T T T T P es la probabilidad de que presente al menos dos
de las caracteristicas mencionadas. Tambien se puede representar de la siguiente
Iorma: )) ( ) ( ) (( A H A C H C P .
d) 36 ) (
3 2 1
= T T T P es la probabilidad de que presente exactamente una de
las caracteristicas mencionadas.
e) 30 ) (
6 5 4
= T T T P es la probabilidad de que presente exactamente dos
de las caracteristicas mencionadas.
I) 95 ) ) ((
7
=
C
T P es la probabilidad de que presente maximo dos de las
caracteristicas mencionadas. Tambien se puede representar de la siguiente
Iorma: ) (
8 6 5 4 3 2 1
T T T T T T T P
g) 65 ) (
8 3 2 1
= T T T T P es la probabilidad de que presente maximo una
de las caracteristicas mencionadas.
5
C
A
H
8
15
7 14 10
12
29

h) 29 ) (
8
= T P es la probabilidad de que no presente ninguna de las
caracteristicas mencionadas.
i) 31 )) ) (( =
C
A H C P es la probabilidad de que este casado o tenga hijos
menores de 5 aos y no sea un proIesional en el area administrativa.

4. Probabilidad Condicional.
En el calculo de las probabilidades de algunos sucesos, el valor de dicha probabilidad
dara en Iuncion del conocimiento de determinadas inIormaciones relativas a estos
sucesos. Veamos un ejemplo.
Si disponemos de una urna que contiene cuatro bolas numeradas del 1 al 4, extraemos
una bola y seguidamente la volvemos a introducir para realizar una segunda extraccion,
la probabilidad de extraer, por ejemplo, la bola numero 3 en la segunda extraccion es la
misma que en la primera.
Si realizamos el mismo proceso sin reemplazar la bola extraida la probabilidad de
extraer, por ejemplo, la bola numero 3 en la segunda extraccion dependera de la bola
extraida en primer lugar.
Sean A y B dos sucesos tal que P( A ) 0, se llama probabilidad de B condicionada al
suceso A, P(B/A), a la probabilidad de B tomando como espacio muestral A, es decir, la
probabilidad de que ocurra B dado que ha ocurrido el suceso A.

De esta igualdad se deduce: P( B A ) P( B/A ) * P( A )
La Iormula anterior adopta la Iorma para tres sucesos A, B y C:
P( A B C ) P( A )* P( B/A )* P( C/A B )

Esta Iormula admite una generalizacion para un numero cualquiera de sucesos.

Ejemplo 5:
Consideremos el experimento de "lanzar un dado al aire". Calculemos, por ejemplo, la
probabilidad de obtener un 3 sabiendo que ha salido un numero impar:
DeIinamos los sucesos A "sale el 3" 3} y B "sale un numero impar " 1,3,5};
entonces, P(A/B)1/3 puesto que si sabemos que ha salido un numero impar, los casos
posibles ahora son 3 y los casos Iavorables al suceso A solo es 1.

Ejercicio 1. Se lanzan dos dados:
a. Cual es la probabilidad de obtener una suma de puntos igual a 7?
b. Si la suma de puntos ha sido 7, cual es la probabilidad de que en alguno de los
dados haya salido un tres?
Solucin:
Sean los sucesos A "la suma de los puntos es 7" y B "en alguno de los dados ha salido
un tres".
a. Los casos posibles al lanzar dos dados son 36 y los casos Iavorables al suceso A
son los siguientes resultados: (1,6); (2,5); (3,4); (4,3); (5,2) y (6,1). Por tanto,
P( A )6/361/6 16,66
b. En este caso, el suceso B/A es salir en algun dado el 3, si la suma ha sido 7.
Observamos que esta situacion ocurre en las parejas (3,4) y (4,3). Por tanto,
P( B/A )2/61/3 33,33

5. Sucesos dependientes e independientes.
El conocimiento de que ha ocurrido el suceso A, modiIica la probabilidad de ocurrencia
del suceso B, decimos que son dependientes entre si. Los sucesos en los que,
conociendo que uno ha ocurrido, no se modiIica la probabilidad del otro, decimos que
son independientes.
Decimos que dos sucesos A y B son independientes si la ocurrencia de uno de ellos no
modiIica la probabilidad de ocurrencia del otro, es decir, si
P( B/A ) P( B ) o P( A/B ) P( A )
Decimos que dos sucesos A y B son dependientes si la ocurrencia de uno de ellos
modiIica la probabilidad del otro, es decir, si
P( B/A ) P( B ) o P( A/B ) P( A )
Como consecuencia inmediata de la deIinicion se tiene:
Dos sucesos A y B son independientes si se cumple:
P( A B ) P( A )* P( B )
Tres sucesos A, B y C son independientes si se cumplen a la vez:
P( A B ) P( A )* P( B )
P( A C ) P( A )* P( C )
P( B C ) P( B )* P( C )
P( A B C ) P( A )* P( B )* P( C )
Ejercicio 1. Se consideran dos sucesos, A y B, asociados a un experimento aleatorio
con P(A) 0.7; P(B) 0.6; ) (
C C
B A P 0.58.
a. Son independientes A y B?
b. Si M A, cual es el valor de ) (
C
C
A
M
P ?
Solucin:
a. Para ver si son independientes, comprobaremos si P( A B ) P( A )* P( B )
) (
C C
B A P P|(A B)
C
| 1 - P(A B)

Por tanto, P(A B) 1 - ) (
C C
B A P 1 - 0.58 0.42

Por otro lado, P( A )* P( B ) 0.7 0.6 0.42

Luego, A y B son independientes, puesto que P( A B ) P( A )* P( B ) 0.42
b. M A
C
A
C
M . Por tanto,
1
) (
) (
) (
) (
) / ( = =
=
C
C
C
C C
C C
A P
A P
A P
A M P
A M P

6. Tablas de contingencia y diagramas de rbol.
En los problemas de probabilidad y en especial en los de probabilidad condicional,
resulta interesante y practico organizar la inIormacion en una tabla de contingencia o en
un diagrama de arbol.
Las tablas de contingencia y los diagramas de arbol estan relacionados, dado uno de
ellos podemos construir el otro. Algunas veces, los datos del problema permiten
construir Iacilmente uno de ellos y a partir de el podemos construir el otro, que nos
ayudara en la resolucion del problema.
Conversin de una tabla en diagrama de rbol
Las tablas de contingencia estan reIeridas a dos caracteristicas que presentan
cada una dos o mas sucesos.
En el caso de los sucesos A,
C
A , B y
C
B , expresados en Irecuencias absolutas,
relativas o probabilidades, la tabla adopta la Iorma adjunta.
A

C
A

TOTAL
B
P( A B ) P(
C
A B ) P( B )

C
B
P( A
C
B ) P(
C
A
C
B ) P(
C
B )
TOTAL
P( A ) P(
C
A ) 1
Esta tabla adopta la Iorma de un diagrama de arbol. En este, a cada uno de los
sucesos A y
C
A se les ha asociado los sucesos B y
C
B .

Sobre las ramas del diagrama de arbol se han anotado las probabilidades
condicionales correspondientes, deducidas de las relaciones analogas a:

Conversin de un diagrama en tabla de contingencia.
De manera reciproca, dado el diagrama de arbol podemos construir la tabla de
contingencia equivalente utilizando la expresion,
P(B A) P(B/A) * P(A), para calcular las probabilidades de las intersecciones
de sucesos que Iorman la tabla.

B

A

C
A

C
B

B

C
B

) ( A P
) (
C
A P
) / ( A B P
) / ( A B P
C

) / (
C
A B P
) / (
C C
A B P
Ejercicio 1. Un taller sabe que por termino medio acuden: por la maana 3 automoviles
con problemas electricos, 8 con problemas mecanicos y 3 con problemas de chapa, y
por la tarde 2 con problemas electricos, 3 con problemas mecanicos y 1 con problemas
de chapa.
a. Calcula el porcentaje de automoviles que acuden por la tarde.
b. Calcula el porcentaje de automoviles que acuden por problemas mecanicos.
c. Calcula la probabilidad de que un automovil con problemas electricos acuda por
la maana.
Solucin:
En las tablas de contingencia de Irecuencias absolutas y de porcentajes,
respectivamente, pueden verse recogidos los datos del enunciado.

ELECTRICOS MECANICOS CHAPA TOTAL
MAANA 3 8 3 14
TARDE 2 3 1 6
TOTAL 5 11 4 20

ELECTRICOS MECANICOS CHAPA TOTAL
MAANA 0.15 0.40 0.15 0.70
TARDE 0.10 0.15 0.05 0.30
TOTAL 0.25 0.55 0.20 1.00

De estas tablas extraemos los resultados siguientes:
a. El 30 de los automoviles acuden al taller por la tarde.
b. El porcentaje de vehiculos que ingresan con problemas mecanicos es del 55.
c. Sea el suceso A 'automoviles con problemas electricos, sea el suceso
B 'automoviles que acuden por la maana.
60 6 , 0
25 , 0
15 , 0
) (
) (
) / ( = = =
=
A P
B A P
A B P

Ejercicio 2. Una compaia de seguros hace una investigacion sobre la cantidad de
partes de siniestro Iraudulentos presentados por los asegurados. ClasiIicando los seguros
en tres clases, incendio, automovil y "otros", se obtiene la siguiente relacion de datos:
El 6 son partes por incendio Iraudulentos; el 1 son partes de automoviles
Iraudulentos; el 3 son "otros" partes Iraudulentos; el 14 son partes por incendio no
Iraudulentos; el 29 son partes por automovil no Iraudulentos y el 47 son "otros"
partes no Iraudulentos.
a. Realizar una tabla ordenando los datos anteriores y hallando el porcentaje de
partes Iraudulentos y no Iraudulentos.
b. Calcula que porcentaje de partes corresponde a la rama de incendios, cual a la de
automoviles y cual a "otros".
c. Calcula la probabilidad de que un parte escogido al azar sea Iraudulento. Cual
sera, en cambio, la probabilidad de que sea Iraudulento si se sabe que es de la
rama de incendios?
Solucin:
a. La tabla de porcentajes con los datos del enunciado y los totales es la siguiente:
INCENDIO AUTOMOVIL OTROS TOTAL
FRAUDULENTOS 6 1 3 10
NO FRAUDULENTOS 14 29 47 90
TOTAL 20 30 50 100
El porcentaje de partes Iraudulentos es del 10.
El porcentaje de partes no Iraudulentos es del 90.
b. El porcentaje de partes que corresponde a la clase de incendios es del 20.
El porcentaje de partes que corresponde a la clase de automoviles es del 30.
El porcentaje de partes que corresponde a la clase de otros es del 50.
c. Es Iacil ver sobre la tabla que la probabilidad de escoger al azar un parte
Iraudulento es del 10.
Sea el suceso A 'el seguro es de la rama de incendios, sea el suceso
B 'partes de siniestro Iraudulentos.
30 3 , 0
20
6
) (
) (
) / ( = = =
=
A P
B A P
A B P

7. Probabilidad total.
Supongase que los sucesos A
1
, A
2
,.., A
n
pertenecen a un espacio muestral O, los cuales
cumplen:
1. Son excluyentes dos a dos, es decir, A
i
A
f
O para todo i = j
2. La union de A
1
, A
2
,.., A
n
es el espacio muestral O,
=
=
n
i
i
A
1
. De
acuerdo a estos resultados se dice que los sucesos A
1
, A
2
,.., A
n
son
colectivamente exhaustivos.

Teorema.
Sean A
1
, A
2
,..., A
n
un conjunto de sucesos, tales que la probabilidad de ocurrencia de
cada uno de ellos es distinta de cero, sea B un suceso cualquiera c O, tal que
B
n
i
i
A
1 =
. Podemos expresar B como,
B B
n
i
i
A
1 =
B ( )
n
A A A .....
2 1
, entonces la probabilidad de ocurrencia
del suceso B viene dada por la expresion:
= ) (B P P (B ( )
n
A A A .....
2 1
)
= ) (B P P (B ( )
n
A A A .....
2 1
)
Por la propiedad distributiva de la interseccion, tenemos:
= ) (B P P ((B ) ( ...... ) ( ) ( )
3 2 1 n
A B A B A B A )
Como los sucesos ) (
i
A B son excluyentes, y aplicando la quinta (5) propiedad de
probabilidades se tiene que,
= ) (B P ) ( ...... ) ( ) ( ) (
3 2 1 n
A B P A B P A B P A B P + + + +
Cuando se conocen las probabilidades de ocurrencia de los sucesos
i
A y las
condicionales P(B/A
i
), entonces la probabilidad de ocurrencia del suceso B esta dada por
la expresion:

Ejercicio 1. Una Empresa dedicada al transporte publico explota tres sectores de una
ciudad, de Iorma que el 62 de los autobuses cubre el servicio del primer sector, el
28 cubre el segundo y el 10 cubre el servicio del tercer sector. Se sabe que la
probabilidad de que, diariamente, un autobus se averie es del 2,5, 3 y 2,
respectivamente, para cada sector. Determina la probabilidad de que, en un dia
determinado, un autobus suIra una averia.
Solucin:
El suceso A "suIrir una averia" puede producirse en los tres sectores, (S
1
, S
2
, S
3
). De
acuerdo al teorema de la probabilidad total, tenemos:

P(A) P(A S
1
) P(A S
2
) P(A S
3
)
P(A) P(S
1
)* P(A/S
1
) P(S
2
)* P(A/S
2
) P(S
3
)* P(A/S
3
)
P(A) 0.62 0.025 0.28 0.03 0.1 0.02 0,0259 2,59.
Observando el diagrama de rbol, tambien se puede calcular P(A).

Ejercicio 2. Una empresa de alimentos elabora sus productos en cuatro lineas de
produccion: L
1
, L
2
, L
3
v L
4
. El porcentaje de produccion total que se Iabrica en cada
linea es del 35, 38, 16 y 11, respectivamente. Ademas el porcentaje de
productos envasados incorrectamente en cada linea es del 2, 3, 5 y 1. Tomamos
un producto aleatoriamente de la empresa, Cual es la probabilidad de que se encuentre
envasado incorrectamente?
A

S
1
S
2
S
3
A
C
A

A

A
C
A
C
0,62
0,28
0,1
0,025
0,975
0,03
0,97
0,02
0,98
Solucin:
Sea el suceso P "el producto esta envasado incorrectamente", se tiene que este
producto puede proceder de cada una de las cuatro lineas y, por tanto, segun el teorema
de la probabilidad total, tenemos:
P(P) P(P L
1
) P(P L
2
) P(P L
3
) P(P L
4
)
P(P) P(L
1
) P(P/L
1
) P(L
2
) P(P/L
2
) P(L
3
) P(P/L
3
) P(L
4
) P(P/L
4
)
P(P) 0.35 0.02 0.38 0.03 0.16 0.05 0.11 0.01 0,0275 2,75.

Observando el diagrama de rbol, tambien se puede calcular P(P).

P

L
1
L
2
L
3
P
C
P

P

P
C
P
C
0,35
0,38
0,16
0,02
0,98
0,03
0,97
0,05
0,95
L
4
P

P
C
0,11
0,01
0,99
Ejercicio 3. Se tienen tres urnas: la urna 1 contiene una bola blanca y dos bolas negras,
la urna 2 contiene tres bolas blancas y la urna 3 contiene dos bolas blancas y dos bolas
negras. El experimento consiste en seleccionar al azar una urna y extraer una bola,
Cual es la probabilidad de que la bola escogida sea blanca?
Solucin:
Recordemos que la probabilidad de seleccionar una urna de tres posibles es 1/3. Sea el
suceso B "obtener bola blanca" y el suceso N "obtener bola negra". Sabemos que la
bola blanca puede proceder de cualquiera de las 3 urnas, ahora, segun el teorema de la
probabilidad total, se obtiene:
P(B) P(B U
1
) P(B U
2
) P(B U
3
)
P(B) P(U
1
)* P(B/U
1
) P(U
2
)* P(B/U
2
) P(U
3
)* P(B/U
3
)
P(B) 1/3 1/3 1/3 1 1/3 1/2 0,6111 61,11
Observando el diagrama de rbol, tambien se puede calcular P(B).

B

U
1
U
2
U
3
N

B

B

N

N

1/3
1/3
1/3
1/3
2/3
3/3
0,0
1/2
1/2
Ejercicio 4. ReIiriendonos al efercicio 3, se lanzan dos monedas al aire. Si salen dos
caras, se extrae una bola de la urna 1, que contiene 1 bola blanca y 2 negras. Si sale cara
y sello, se extrae una bola de la urna 2, que contiene 3 bolas blancas. Si salen dos sellos,
se extrae una bola de la urna 3, que contiene 2 bolas blancas y 2 negras. Se lanzan las
dos monedas, cual es la probabilidad de extraer una bola blanca?

Solucin:
Recordemos que los posibles resultados al lanzar dos monedas son: CC, CS, SC, SS.
Entonces P(CC) 1/4, P(SS) 1/4, P(CS o SC) 2/4 1/2.
Sea el suceso B "obtener bola blanca" y el suceso N "obtener bola negra". Sabemos
que la bola blanca puede proceder de cualquiera de las 3 urnas, ahora, segun el teorema
de la probabilidad total, se obtiene:
P(B) P(B U
1
) P(B U
2
) P(B U
3
)
P(B) P(U
1
)* P(B/U
1
) P(U
2
)* P(B/U
2
) P(U
3
)* P(B/U
3
)
P(B) 1/4 1/3 1/2 1 1/4 1/2 0,2396 23,96
Observando el diagrama de rbol, tambien se puede calcular P(B).

B

U
1
U
2
U
3
N

B

B

N

N

1/4
1/2
1/4
1/3
2/3
3/3
0,0
1/2
1/2
8. Teorema de Bayes.
Sean A
1
, A
2
,..., A
n
un conjunto de sucesos mutuamente excluyentes y colectivamente
exhaustivos, tales que la probabilidad de ocurrencia de cada uno de ellos es distinta de
cero, sea B un suceso cualquiera c O, tal que B
n
i
i
A
1 =
. Podemos expresar la
probabilidad P(A
i
/B) de la siguiente Iorma:
) (
) (
) / (
B P
B A P
B A P
i
i

=

Cuando se conocen las probabilidades de ocurrencia de los sucesos
i
A y las
condicionales P(B/A
i
), entonces la probabilidad de ocurrencia del suceso
i
A dado que
el suceso B ha ocurrido es igual a la siguiente expresion:

La expresion anterior recibe el nombre de Regla de Bayes.

Ejercicio 1. La produccion de piezas metalicas en una Iabrica depende de tres
maquinas, A, B y C, que producen el 55, 20 y 25 del total de las piezas producidas
en la Iabrica respectivamente. El 2 de las piezas metalicas producidas por la maquina
A son deIectuosas, El 1 de las piezas metalicas producidas por la maquina B son
deIectuosas y El 3 de las piezas metalicas producidas por la maquina C son
deIectuosas. Seleccionamos una pieza al azar de la produccion total,
a. Cual es la probabilidad de que sea deIectuosa?
b. Si la pieza escogida resulta ser deIectuosa; cual es la probabilidad de haber sido
producida por la maquina B.
c. Si la pieza escogida resulta ser no deIectuosa; cual es la probabilidad de haber
sido producida por la maquina C.
d. Si la pieza escogida resulta ser deIectuosa, que maquina tiene la mayor
probabilidad de haber producido la pieza deIectuosa?
Solucin:
Sea el suceso D "la pieza es deIectuosa" y el suceso D
C
"la pieza no es deIectuosa".
Para calcular la probabilidad de que la pieza elegida sea deIectuosa, P(D), por la
propiedad de la probabilidad total,
a. P(D) P(A) P(D/A) P(B) P(D/B) P(C) P(D/C)
P(D) 0.55 0.02 0.20 0.01 0.25 0.03 0.0205 2,05

b. Debemos calcular P(B/D). Por el teorema de Bayes,
75 , 9 0975 , 0
0205 , 0
01 , 0 * 20 , 0
) (
) / ( * ) (
) (
) (
) / ( = = = =
=
D P
B D P B P
D P
D B P
D B P

c. Debemos calcular P(C/D
C
). Por el teorema de Bayes,
75 , 24 2475 , 0
9795 , 0
97 , 0 * 25 , 0
) ( 1
) / ( * ) (
) (
) (
) / ( = = =
=
D P
C D P C P
D P
D C P
D C P
C
C
C
C

d. Ahora calculamos P(A/D) y P(C/D), y lo comparamos con el valor de P(B/D)
calculado en el punto b. Aplicando el teorema de Bayes, obtenemos:
65 , 53 5365 , 0
0205 , 0
02 , 0 * 55 , 0
) (
) / ( * ) (
) (
) (
) / ( = = = =
=
D P
A D P A P
D P
D A P
D A P

58 , 36 3658 , 0
0205 , 0
03 , 0 * 25 , 0
) (
) / ( * ) (
) (
) (
) / ( = = = =
=
D P
C D P C P
D P
D C P
D C P

La maquina con mayor probabilidad de haber producido la pieza deIectuosa es la
maquina A.

Ejercicio 2. Se tienen tres urnas: la urna 1 contiene una bola blanca y dos bolas negras,
la urna 2 contiene tres bolas blancas y la urna 3 contiene dos bolas blancas y dos bolas
negras. El experimento consiste en seleccionar al azar una urna y extraer una bola. Si la
bola escogida ha sido blanca, Cual es la probabilidad de haber sido extraida de la
urna 3?
Solucin:
Sea el suceso B "sacar bola blanca" y el suceso N "sacar bola negra". La
probabilidad pedida es P(U
3
/B). Utilizando el teorema de probabilidad total, tenemos:
P(B) P(B U
1
) P(B U
2
) P(B U
3
)
P(B) P(U
1
)* P(B/U
1
) P(U
2
)* P(B/U
2
) P(U
3
)* P(B/U
3
)
P(B) 1/3 1/3 1/3 1 1/3 1/2 0,6111 61,11
Ahora, utilizando el teorema de Bayes tenemos:

27 , 27 2727 , 0
6111 , 0
) 2 / 1 ( * ) 3 / 1 (
) (
) / ( * ) (
) (
) (
) / (
3 3 3
3
= = = =
=
B P
U B P U P
B P
B U P
B U P

Teoria de Probabilidades Modulo Marco

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teoria de Probabilidades Modulo Marco

Uploaded by

Copyright:

Available Formats

Facultad de Ciencias Basicas -Departamento de Matematicas Area de Estadistica

You might also like