INSTITUTO TECNOLGICO DE ESTUDIOS SUPERIORES DE

CALKIN EN EL ESTADO DE CAMPECHE.

INGENIERA EN INDUSTRIAS ALIMENTARAS.

PROBABILIDAD

UNIDAD 2
TEORA DE LA PROBABILIDAD

Arq. Wendy Argentina de Jess Cetina Lpez

1. PRESENTACIN.
Este paquete didctico contempla los materiales bsicos de aprendizaje para la
asignatura de Probabilidad, exclusivamente en esta unidad temtica se expondr la unidad
nmero dos (Teora de la Probabilidad), en ella podr encontrar una remembranza breve de
los conceptos bsicos de la Probabilidad, como el enfoque clsico, frecuencia relativa,
espacio muestral, eventos, axiomas, teorema y el espacio finiquito equiprobable, de igual
forma se abordara la Probabilidad Condicional e Independencia, es decir, sus conceptos y el
teorema de Bayes. En este paquete didctico se contempla la factibilidad de mostrar y
describir ejercicios bsicos de la Teora de la Probabilidad, esto es con la finalidad de que
el alumno obtenga el conocimiento global y particular de cada uno de los casos; se le
recomienda al alumno resolver los ejemplos de los diferentes autores.
Finamente este paquete didctico tiene la finalidad de resear, mostrar y aplicar, a
travs de conceptos, ejercicios aplicativos, la importancia y el porque de la Teora de la
Probabilidad en los problemas reales de la ingeniera.

NDICE DE CONTENIDO.

Titulo.

Paginas.

1. Presentacin
2. Objetivos Generales.
Unidad 2. Teora de la Probabilidad.
3. Instrucciones Generales para el uso del
paquete didctico.
4. Temas integrantes de la unidad
temtica.
2.1. Introduccin a la Probabilidad.
2.1.1. Concepto clsico y frecuencia
relativa de la teoria de la probabilidad
2.1.2. Espacio muestral y eventos
2.1.3. Axiomas y teoremas
2.1.4. Espacio finito equiprobable
2.2. Probabilidad Condicional e
Independencia.
2.2.1. Probabilidades (Condicional e
Independencia)
2.2.2. Teorema de Bayes.
5. Evaluacin de la Unidad temtica

2
4
5
6
6

14

19

2. OBJETIVOS GENERALES.
Unidad 2. TEORA DE LA PROBABILIDAD.
El estudiante conocer los fundamentos de la teora de la probabilidad y la aplicara
en la resolucin de problemas que implique espacios elementales o generalizados de
probabilidad y/o procesos estadsticos infinitos.
2.1. Introduccin a la Probabilidad.
El alumno distinguir, establecer y calculara los conceptos bsicos de la
probabilidad, espacio muestral, eventos, axiomas, teorema y espacios finitos equiprobables
con ejemplos clsicos y/o reales.
2.2 Probabilidad Condicional e Independencia.
El alumno definir, explicara, y calculara los valores reales de las probabilidades
condicionales e independencia, as como del teorema de Bayes a travs de ejercicios tpicos
y/o reales.

3. INSTRUCCIONES GENERALES PARA EL USO DEL PAQUETE DIDCTICO

El presente material ha sido elaborado para un aprendizaje autodidacta del alumno para ello
debe seguir las siguientes instrucciones:
1.- Consultar el ndice de contenido de la unidad temtica: En el encontrar todos los temas
y subtemas de que consta el material.
2.- Consultar los objetivos generales que corresponden a cada tema: en este caso existen 2
temas que corresponden a los del ndice de contenido, en este apartado se exponen las
acciones que el alumno deber realizar para alcanzar el logro de la unidad.
3.- A continuacin una vez que el alumno conoce los objetivos, para su logro deber
consultar el desarrollo de los temas integrantes de la unidad, que se encuentran en el
siguiente apartado, estudiarlos de manera que logre alcanzar el objetivo sealado
anteriormente.
El material esta dividido en temas con su correspondiente contenido que
corresponden a los objetivos a alcanzar y este contiene subtemas que corresponden a
cada uno de los conocimientos que el alumno debe de asimilar para poder cumplir
con xito la meta final.
4.- Conforme vaya estudiando, puede realizar la investigacin documental que se seala, en
la que se encuentran los temas que corresponde al logro del objetivo, el formato y el
sistema de calificacin sern los que el instituto tiene estandarizado para ello: ver anexo
5.- Una vez finalizado el trabajo de investigacin documental y adquirido los
conocimientos que los temas y subtemas marcan, realice la autoevaluacin y compruebe si
realmente domina la unidad temtica.
Si la auto-evaluacin es exitosa usted ya esta preparado para continuar el estudio de la
siguiente unidad temtica.
En caso contrario repase de nuevo los subtemas que no domina intentando alcanzar el
objetivo marcado, repita esto tantas veces como sea necesario.

4. TEMAS INTEGRANTES DE LA UNIDAD TEMTICA.

TEMA 2.1. INTRODUCCIN A LA PROBABILIDAD.

INSTRUCCIONES: LEE CUIDADOSAMENTE EL MATERIAL, Y AL FINAL
REALIZA LAS ACTIVIDADES QUE SE TE INDICAN.
OBJETIVO: El alumno distinguir, establecer y calculara los conceptos bsicos de la
probabilidad, espacio muestral, eventos, axiomas, teorema y espacios finitos equiprobables
con ejemplos clsicos y/o reales.
2.1.1. Concepto clsico y frecuencia relativa de la teoria de la probabilidad

INTRODUCCIN A LA PROBABILIDAD
Muchos de los eventos que ocurren en la vida diaria no pueden ser predichos con
exactitud desde antes por diversas razones, pues la mayora de los hechos estn
influidos por factores externos. Adems, existen aquellos sucesos que estn
directamente influidos por el azar, es decir, por procesos que no se est seguro de lo
que va a ocurrir. Sin embargo, la probabilidad nos permite acercarnos a esos sucesos y
estudiarlos, ponderando las posibilidades de su ocurrencia y proporcionando mtodos
para tales ponderaciones.
Precisamente, algunos de esos mtodos proporcionados por la probabilidad nos llevan
a descubrir que algunos sucesos tienen una mayor o menor probabilidad de ocurrir que
la ponderacin asignada a travs del sentido comn. Nuestros sentidos, la informacin
previa que poseemos, nuestras creencias o posturas, nuestras inclinaciones, son
algunos de los factores que intervienen para no permitirnos hacer ponderaciones reales
y sistemticas. La probabilidad nos permitir estudiar los eventos de una manera
sistemtica y ms cercana a la realidad, retribuyndonos con informacin ms precisa
y confiable y, por tanto, ms til para las disciplinas humanas.

La teoria de la probabilidad es un modelamiento matemtico del fenmeno del azar o

aleatoriedad.
La siguiente expresin en la teoria de la probabilidad: f=s/n significa frecuencia relativa.
EL ENFOQUE CLASICO
Si un evento puede ocurrir en h maneras diferentes de un nmero total de n maneras
posibles, todos ellos son igualmente posibles. Entonces, la probabilidad del evento es h/n.
EL ENFOQUE FRECUENTISTA (PROBABILIDAD EMPIRICA)
Si despus de n repeticiones de un experimento, donde n es muy grande, se observa que un
evento ocurre h veces, entoces la probabilidad de dicho evento es h/n.

El concepto de probabilidad resulta familiar a cualquier profesional del mbito sanitario, pero una definicin
ms precisa exige considerar la naturaleza matemtica de dicho concepto. La probabilidad de ocurrencia de
un determinado suceso podra definirse como la proporcin de veces que ocurrira dicho suceso si se repitiese
un experimento o una observacin en un nmero grande de ocasiones bajo condiciones similares. Por
definicin, entonces, la probabilidad se mide por un nmero entre cero y uno: si un suceso no ocurre nunca,
su probabilidad asociada es cero, mientras que si ocurriese siempre su probabilidad sera igual a uno. As, las
probabilidades suelen venir expresadas como decimales, fracciones o porcentajes.
La definicin anterior de probabilidad corresponde a la conocida como definicin frecuentista. Existe otra
descripcin ms formal desde el punto terico que permite definir el concepto de probabilidad mediante la
verificacin de ciertos axiomas a partir de los que se deducen todas las dems propiedades del clculo de
probabilidades. En otros contextos, se ha defendido una interpretacin ms amplia del concepto de
probabilidad que incluye las que podemos denominar probabilidades subjetivas o personales, mediante las
cuales se expresa el grado de confianza o experiencia en una proposicin. Esta definicin constituye la base
de los llamados mtodos bayesianos, que se presentan como alternativa a la estadstica tradicional centrada en
el contraste de hiptesis. No obstante, y en relacin con el propsito de este trabajo, bastar con considerar la
definicin frecuentista anterior. As, a partir de una poblacin con N elementos, de los cuales k presentan una
caracterstica A, se estimar la probabilidad de la caracterstica A como
P(A) = k/N. As, por ejemplo, en una poblacin de 100 pacientes, 5 de los cuales son diabticos, la
probabilidad de padecer diabetes p(Diabetes) se estimar como el cociente: 5/100= 0.5.

2.1.2. Espacio muestral y eventos

ESPACIO MUESTRAL.
Cuando se realiza un experimento, que es cualquier proceso que produce un
resultado o una observacin, se van a obtener un conjunto de valores. A este conjunto
de valores que puede tomar una variable se le denomina espacio muestral.
Por ejemplo: Si se tiene un dado cualquiera, el espacio muestral (EM) es
EM={1,2,3,4,5,6}.

El espacio muestral es el conjunto de todos los posibles resultados de un experimento o

situacin aleatoria.
Si en una caja hay 10 manzanas y 2 estn echadas a perder (al menos en este
momento!), al extraer tres manzanas y ver cuantas son buenas podemos obtener 1, 2 o 3
buenas (0 buenas es imposible!). De modo que en este ejemplo el espacio muestral es:
{ 1, 2, 3 }.
Si un juego consiste en tirar todas las aves que hagan falta hasta obtener tres perdoces
seguidas o hasta que sean 15 aves, si nos fijamos en el nmero de aves requeridas, el
espacio muestral es: { 3, 4, 5, . . . , 15 }. Pero si nos fijramos en el nmero de disparos
que resultan, entonces el espacio muestral es: { 0, 1, 2, . . . , 15 }.
Es claro que para determinar el espacio muestral en un experimento aleatorio es
necesario entender perfectamente:

Qu se va a hacer.
Qu se va a observar o contar.

EVENTOS o SUCESOS.
1. La probabilidad clsica de un evento E, que denotaremos por P(E), se
define como el nmero de eventos elementales que componen al evento E,
entre el nmero de eventos elementales que componen el espacio muestral:

Cuando se tiene un espacio muestral llamamos, formalmente evento o suceso a

cualquier subconjunto del espacio muestral.
Decimos que un suceso se realiza, cuando el resultado del experimento aleatorio es
uno de los sucesos posibles.
Las dos definiciones anteriores son muy abstractas. Veamos un par de ejemplos.
En el caso de contar cuantas aves hacen falta para conseguir tres perdoces seguidas o
tirar 15 aves; el espacio muestral son los nmeros: 3, 4, 5, . . . , 15. Un evento podra ser
{3, 5, 7, . . . , 15}. Este evento corresponde a que el nmero de tiros necesario sea nn. Si
al hacer los disparos los resultados fueran:
PPSPPSSSPPP (aqu nos detenemos porque han cado ya, tres perdices seguidas), el
evento si se realiz porque el nmero necesario fue 11 y es nn.
SSSPPP (aqu paramos porque ya hay tres perdices), el evento no se realiz.
Podemos pensar que cada experimento al azar es un juego y que un evento es una lista
de los resultados que hacen que YO gane.

Otro ejemplo ms. Al comprar llantas para mi coche, puede ser que manifiesten un
defecto de fabricacin dentro del perodo de garanta total y que el fabricante deba
reponerlas. Tambin puede pasar que el defecto se manifieste en el perodo de garanta
parcial y que el fabricante bonifique slo un porcentaje o que el defecto se manifieste
despus de vencido el perodo de garanta en cuyo caso el fabricante no paga nada.
Tambin puede pasar que las llantas no tengan defecto de fabricacin aparente y que no
haya garanta que reclamar. Como se puede considerar que las llantas que me vendieron se
escogieron al azar de entre toda la produccin, tenemos un experimento aleatorio.
Ejemplo : en lugar de tirar la moneda al aire, directamente selccionamos la cara. Aqu no
podemos hablar de probabilidades, sino que ha sido un resultado determinado por uno
mismo.
Antes de calcular las probabilidades de un experimento aleaotorio hay que definir una
serie de conceptos:

Suceso elemental: hace referencia a cada una de las posibles soluciones que se pueden
presentar.
Ejemplo : al lanzar una moneda al aire, los sucesos elementales son la cara y la cruz. Al
lanzar un dado, los sucesos elementales son el 1, el 2, .., hasta el 6.
Suceso compuesto: es un subconjunto de sucesos elementales.
Ejemplo : lanzamos un dado y queremos que salga un nmero par. El suceso "numero
par" es un suceso compuesto, integrado por 3 sucesos elementales: el 2, el 4 y el 6
O, por ejemplo, jugamos a la ruleta y queremos que salga "menor o igual que 18". Este es
un suceso compuesto formado por 18 sucesos elementales (todos los nmeros que van
del 1 al 18).
Espacio muestral
se denomina al conjunto de todos los posibles sucesos elementales. Cada experimento
aleatorio tiene definido su espacio muestral (es decir, un conjunto con todas las
soluciones posibles).
Ejemplo : si tiramos una moneda al are una sola vez, el espacio muestral ser cara o
cruz.

Si el experimento consiste en lanzar una moneda al aire dos veces, entonces el espacio
muestral estara formado por (cara-cara), (cara-cruz), (cruz-cara) y (cruz-cruz).

2.1.3. Axiomas y teoremas

AXIOMAS Y TEOREMAS DE LA PROBABILIDAD:
Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a
continuacin se enumeran.
1) a probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.
0 p(A) 1
2) a probabilidad de que ocurra el espacio muestral debe de ser 1.
p ) = 1
3) i A y B son eventos mutuamente excluyentes, entonces la p(AB) = p(A) + p(B)
Generalizando:
Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces;
p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An)
TEOREMAS
TEOREMA 1. Si es un evento nulo o vaco, entonces la probabilidad de que ocurra
debe ser cero.
p()=0
DEMOSTRACIN:
Si sumamos a un evento A cualquiera, como y A son dos eventos mutuamente
excluyentes, entonces p(A)=p(A) +p()=p(A). LQQD
9

TEOREMA 2.
La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A)
DEMOSTRACIN:
Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y Ac luego
=AAc, por tanto p()=p(A) + p(Ac) y como en el axioma dos se afirma que p()=1, por
tanto, p(Ac)= 1 - p(A) .LQQD
TEOREMA 3.
Si un evento A B, entonces la p(A) p(B).
DEMOSTRACIN:
Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A),
por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se
cumple que p(A)p(B). LQQD
TEOREMA 4. La p( A \ B )= p(A) p(AB)
DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede
separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \
B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \ B) = p(A) p(AB). LQQD
TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB).
DEMOSTRACIN: Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente
excluyentes, por lo que p(A B) = p(A \ B) + p(B) y del teorema anterior tomamos que
p(A \ B) = p(A) p(AB), por tanto, p(AB) = p(A) + p(B) p(AB). LQQD
2.1.4. Espacio finito equiprobable
ESPACIOS FINITOS EQUIPROBABLES.
Sea un espacio muestral que contiene n elementos, = {a1, a2, a3,....,an}, si a cada uno de
los elementos de le asignamos una probabilidad igual de ocurrencia, pi = 1/n por tener n
elementos , entonces estamos transformando este espacio muestral en un espacio finito
equiprobable, el que debe cumplir con las siguientes condiciones:
1. Las probabilidades asociadas a cada uno de los elementos del espacio muestral
deben ser mayores o iguales a cero, pi 0.
2. La sumatoria de las probabilidades asociadas a cada elemento del espacio muestral
debe de ser igual a 1.
pi = 1
En caso de que no se cumpla con las condiciones anteriores, entonces no se trata de un
espacio finito equiprobable.

10

Solo en el caso de espacios finitos equiprobables, si deseamos determinar la probabilidad

de que ocurra un evento A cualquiera, entonces;
p(A) = r*1/n = r/n
p(A) = maneras de ocurrir el evento A/ Nmero de elementos del espacio muestral
r = maneras de que ocurra el evento A
1/n = probabilidad asociada a cada uno de los elementos del espacio muestral
n = nmero de elementos del espacio muestral
Ejemplos:
1. Se lanza al aire una moneda normal (una moneda perfectamente equilibrada) tres
veces, determine la probabilidad de que: a. Aparezcan puros sellos, b. Aparezcan
dos guilas, c. Aparezcan por lo menos dos guilas.
Solucin:
Para calcular las probabilidades de este problema, hay que definir el espacio muestral
en cuestin; si representamos los tres lanzamientos de la moneda mediante un diagrama
de rbol, encontraremos que el espacio muestral o el conjunto de todos los resultados
posibles es:
= {AAA, ASS, SAS, SSA, AAS, SAA, ASA, SSS}
a. A = evento de que aparezcan puros sellos = {SSS}
p(A) = p(aparezcan puros sellos) = p(SSS) = 1/8 = 0.125
Porqu un octavo?, s el espacio muestral consta de 8 elementos como se ha
observado, entonces la probabilidad asociada a cada uno de los elementos del espacio
muestral es de 1/8, por ser un espacio finito equiprobable ya que cada uno de los
elementos mostrados tiene la misma probabilidad de ocurrencia.
b. B = evento de que aparezcan dos guilas = {AAS, SAA, ASA}
p(B) = p(aparezcan dos guilas) = p(AAS, SAA, ASA) = 1/8 + 1/8 + 1/8 = 3/8 = 0.375
c. C = evento de que aparezcan por lo menos dos guilas = {AAS, SAA, ASA, AAA}
p(C) = p(AAS, SAA, ASA, AAA)=p(aparezcan dos guilas) + p(aparezcan tres guilas)
p(C) = 4/8 = 1/2 = 0.5
ESPACIOS FINITOS DE PROBABILIDAD.

11

Sea el espacio muestral, que contiene n elementos {a1, a2, a3,.....,an}, si a cada uno de los
elementos de le asignamos una probabilidad pi 0, entonces estamos transformando este
espacio muestral en un espacio finito de probabilidad; el que debe cumplir con las
siguientes caractersticas:
1) Las probabilidades asociadas a cada uno de los elementos de deben ser mayores o
iguales a cero, pi0.
2) La sumatoria de las probabilidades asociadas a cada uno de los elementos de debe de
ser igual a 1.
pi = 1
En caso de que no se cumpla con las caractersticas antes mencionadas, entonces no se
trata de un espacio finito de probabilidad.
En una competencia de ciclismo participan A, B y C, A tiene el doble de posibilidades
de ganar que B y B el doble que C, a. Determine la probabilidad de que gane B, b.
Determine la probabilidad de que gane A o B.
Solucin:
={ A, B, C}, y por ser un espacio finito de probabilidad,
p() = p(gane A) + p(gane B) + p(gane C) = 4p + 2p + p = 1
Como 7p = 1,
a.

luego, p = 1/7

p(gane B) = 2p = 2(1/7) = 2/7 = 0.28571

ESPACIO MUESTRAL INFINITO

Se denomina variable discreta aquella que slo puede tomar unos determinados valores, el
conjunto de valores que toma X es finito o numerable. En este caso la Distribucin de
Probabilidad es el sumatorio de la funcin de densidad, por lo que tenemos entonces que:

12

Y tal como corresponde a la definicin de Distribucin de Probabilidad esta expresin

representa la suma de todas las probabilidades desde
hasta el valor xi

Probabilidad total
Sea A1, A2, ...,An un sistema completo de sucesos tales que la probabilidad de cada uno de
ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades
condicionales P(B/Ai), entonces la probabilidad del suceso B viene dada por la expresin:

EJEMPLO
Si quisiramos saber cul es la probabilidad de sacar un dos o un cinco al tirar un
dado, estamos hablando de sucesos mutuamente excluyentes; pues slo al tirar el
dado puedes sacar uno de ellos dos, es decir, un evento (sacar dos) imposibilita el
otro (sacar un cinco) ya que no puedes sacar los dos al mismo tiempo.
Para sacar la probabilidad total de dos o ms sucesos mutuamente excluyentes se
suman las probabilidades de cada uno de los sucesos.
P(M o N)=P(M)+P(N)
Para nuestro ejemplo la respuesta sera:

ACTIVIDAD DE APRENDIZAJE
INSTRUCCIONES: IDENTIFICA LOS CONCEPTOS BSICOS DE LA
PROBABILIDAD, COMO SON CONCEPTO CLSICO, FRECUENCIA RELATIVA,
EVENTOS, AXIOMAS, TEOREMAS, ESPACIOS FINITOS EQUIPROBABLES Y
REALIZA UN CUADRO DE REFERENCIAS, DONDE CORRELACIONARAS EL
CONCEPTO Y SU DESCRIPCIN, FINALMENTE ELABORAR EJERCICIOS
TPICOS O REALES DE CADA UNO DE LOS CONCEPTOS EN SU CUADERNO DE
PRCTICAS.
EVALUACIN DEL TEMA: 3 reactivos.
1. Completar la siguiente afirmacin: La ___________________ es un modelamiento
matemtico del fenmeno del azar o aleatoriedad.
a) teora de la probabilidad
b) frecuencia relativa
c) teoria de conjunto complementario
d) delimitacin

13

e) axioma
2. Completar: Un conjunto S que consta de todos los resultados posibles de un
experimento aleatorio se llama _____________________, y cada resultado se denomina
punto muestral.
a) espacio muestral
b) evento
c) axiomas
d) evento simple o elemental
e) delimitacin variable
3. Completar en el siguiente Axioma de Probabilidad el signo que le corresponda: Para
cualquier evento A, se tiene P(A) ______ 0.
a)
b)
c) =
d) mutuamente excluyentes
e)
BIBLIOGRAFA:
Fuentelabrada, Probabilidad y Estadstica, McGrawHill
Lipschutz Seymour, Lipson Marc, Probabilidad, McGrawHill
Nota 1: Se anexan link de Internet para mayor apoyo.
http://www.itch.edu.mx/academic/industrial/sabaticorita/index.html

TEMA 2.2. PROBABILIDAD CONDICIONAL E INDEPENDENCIA.

INSTRUCCIONES: LEE CUIDADOSAMENTE EL MATERIAL, Y AL FINAL
REALIZA LAS ACTIVIDADES QUE SE TE INDICAN.
OBJETIVO: El alumno definir, explicara, y calculara los valores reales de las
probabilidades condicionales e independencia, as como del teorema de Bayes a travs de
ejercicios tpicos y/o reales.
2.2.1. Probabilidades (Condicional e Independencia)
PROBABILIDAD CONDICIONAL
Sea un espacio muestral en donde se ha definido un evento E, donde p(E)>0, si
deseamos determinar la probabilidad de que ocurra un evento A (el que tambin es
definido en el mismo espacio muestral), dado que E ya ocurri, entonces deseamos
determinar una probabilidad de tipo condicional, la que se determina como se muestra;
p( A | E ) =

p( A E )
p( E )

Donde:
p(AE) = probabilidad de que ocurra A dado que E ya ocurri

14

p(AE) = probabilidad de que ocurra A y E a un mismo tiempo

p(E) = probabilidad de que ocurra E
Luego;
P( A E ) =
P( E ) =

A E

Por tanto:
P( A | E ) =

A E
E

Donde:
AE= nmero de elementos comunes a los eventos A y E
E= nmero de elementos del evento E
Luego entonces podemos usar cualquiera de las dos frmulas para calcular la
probabilidad condicional de A dado que E ya ocurri.

Sucesos independientes
INDEPENDENCIA
Dos sucesos son independientes si y slo si p(A B) = p(A) p(B).
Si dos sucesos son independientes

y del mismo modo p(B|A) = p(B).

Esta propiedad coincide ms con la idea intuitiva de independencia y algunos textos la
dan como definicin. Hay que notar, sin embargo, que ambas definiciones no son
estrictamente equivalentes.

Ejemplo 7:

15

Para un hijo de una mujer portadora de Duchenne, el sexo y la enfermedad son

independientes?
Segn vimos en el Ejemplo 3 el espacio muestral es = {xX, xY, XX, XY}
Definimos los sucesos A = {varn} = {xY, XY}; B = {enfermo} = {xY}
A B = {xY}
por lo tanto p(A) = 0,5; p(B) = 0,25; p(A B) = 0,25 p(A) p(B) NO son
independientes.

2.2.2. Teorema de Bayes.

Teorema de Bayes
Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de
ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades
condicionales P(B/Ai). entonces la probabilidad P(Ai/B) viene dada por la expresin:

Ejercicio 8-1:
Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las
piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas
mquinas son del 3%, 4% y 5%.
a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa.
b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de
haber sido producida por la mquina B.
c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza
defectuosa?

Solucin:
Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del
problema puede expresarse en el diagrama de rbol adjunto.
a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la
propiedad de la probabilidad total,
P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) =
= 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038
b. Debemos calcular P(B/D). Por el teorema de Bayes,
16

c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya calculado.

Aplicando el teorema de Bayes, obtenemos:

La mquina con mayor probabilidad de haber producido la pieza defectuosa es A

ACTIVIDAD DE APRENDIZAJE
INSTRUCCIONES: IDENTIFICA LOS CONCEPTOS BSICOS DE LA
CONDICIONAL E INDEPENDENCIA Y EL TEOREMA DE BAYES Y REALIZA UN
CUADRO DE REFERENCIAS, DONDE CORRELACIONARAS EL CONCEPTO Y SU
DESCRIPCIN. ELABORAR EJERCICIOS TPICOS REALES DE CADA UNO DE
LOS CONCEPTOS EN SU CUADERNO DE PRCTICAS, GRAFICAR LOS QUE
SEAN DIAGRAMA DE RBOL.
EVALUACIN DEL TEMA: 3 reactivos.
1. A que corresponde la siguiente formula (ver figura)? P ( A / E ) = P ( A E ) / P ( E )
a) probabilidad condicional
b) probabilidad simetrica
c) axioma
d) evento
e) exclusin
2. Se lanza un par de dados equilibrados. El espacio muestral S consiste en 36 pares
ordenados (a, b) donde a y b pueden ser cualquier entero del 1 al 6. Por tanto, la
probabilidad de cualquier resultado es 1/36. Encuentre la probabilidad de que uno de los
dados sea 2 si la suma es 6. Es decir, encuentre P(A/E) donde: E={la suma es 6} y
A={2 aparezca al menos en un dado}.
17

a) 2/5
b) 5/2
c) 3/5
d) 11/36
e) 100
3. A que se refiere la siguiente afirmacin:
Sea E un evento en un espacio muestral S y sean A 1 , A 2 ,, A n eventos mutuamente
excluyentes cuya unin es S. Entonces, para K = 1, 2,, n,
P ( Ak / E ) = P ( Ak ) P ( E / Ak ) / P ( A1 ) P ( E / A1 ) + P ( A2 ) P ( E / A2 ) + ... + P ( An ) P ( E / An )

a) regla de Bayes
b) probabilidad condicional
c) axioma
d) teorema
e) distribucin
BIBLIOGRAFA:
Fuentelabrada, Probabilidad y Estadstica, McGrawHill
Lipschutz Seymour, Lipson Marc, Probabilidad, McGrawHill
Nota 1: Se anexan link de Internet para mayor apoyo.
http://www.itch.edu.mx/academic/industrial/sabaticorita/index.html
EVALUACIN DE LA UNIDAD TEMTICA.
El alumno elaborar un producto de investigacin documental, que lleva como nombre:
Espacio finito y las probabilidades, que deber contener lo siguiente:
1.
2.
3.
4.

Portada
Resumen
Abstrac
ndice de contenido

5. CUERPO DE INVESTIGACIN. Introduccin conteniendo los antecedentes y

justificacin planteamiento y breve descripcin del contenido.
6. Contenido:
Captulo 1: El espacio finito y las probabilidades (Condicionales e
Independencia).
El alumno investigar, enumerar y describir los conceptos bsicos del espacio finito
equiprobable y las probabilidades condicionales e independencia.
Captulo 2: Ejercicios de situacin simulada o real.
El alumno aplicar cada concepto ya identificado del espacio finito y las
probabilidades de la condicional e independencia y elaborar 5 ejercicios tpicos o real,
de cada uno de los conceptos anteriormente identificados.
Conclusiones.

18

7. Bibliografa.
Se evaluara un trabajo documental realizado por el alumno, que considera los
siguientes puntos a calificar.
CONTENIDO
PUNTOS PARA CALIFICACIN
1. Portada
0.5 puntos mximos
2. Resumen
0.5 puntos mximos
3. Abstrac
0.5 puntos mximos
4. ndice de contenido
0.5 puntos mximos
5. Introduccin conteniendo: Antecedente 1.0 puntos mximos
y justificacin Planteamiento y breve
descripcin del contenido.
6. Contenido.
6.0 puntos mximos
Captulo 1. El espacio finito y las
probabilidades (Condicionales e
Independencia). El alumno
investigar, enumerar y describir
los conceptos bsicos del espacio
finito equiprobable y las
probabilidades condicionales e
independencia.
Captulo 2. Ejercicios de situacin
simulada o real. El alumno aplicar
cada concepto ya identificado del
espacio finito y las probabilidades de
la condicional e independencia y
elaborar 5 ejercicios tpicos o real,
de cada uno de los conceptos
anteriormente identificados.
Conclusiones.
7. Bibliografa.

1 punto mximo

5. EVALUACIN TEMATICA.
Contestar la siguiente evaluacin de opcin multiple de acuerdo al aprendizaje asimilado,
recordar que es una sola respuesta, sea cuales quiera de los 5 incisos.
1. Completar la siguiente afirmacin: La ___________________ es un modelamiento
matemtico del fenmeno del azar o aleatoriedad.
a) teora de la probabilidad
b) frecuencia relativa
c) teoria de conjunto complementario
d) delimitacin

19

e) axioma
2. Completar: Un conjunto S que consta de todos los resultados posibles de un
experimento aleatorio se llama _____________________, y cada resultado se denomina
punto muestral.
a) espacio muestral
b) evento
c) axiomas
d) evento simple o elemental
e) delimitacin variable
3. Completar en el siguiente Axioma de Probabilidad el signo que le corresponda: Para
cualquier evento A, se tiene P(A) ______ 0.
a)
b)
c) =
d) mutuamente excluyentes
e)
4. A que corresponde la siguiente formula (ver figura)? P ( A / E ) = P ( A E ) / P ( E )
a) probabilidad condicional
b) probabilidad simetrica
c) axioma
d) evento
e) exclusin
5. Se lanza un par de dados equilibrados. El espacio muestral S consiste en 36 pares
ordenados (a, b) donde a y b pueden ser cualquier entero del 1 al 6. Por tanto, la
probabilidad de cualquier resultado es 1/36. Encuentre la probabilidad de que uno de los
dados sea 2 si la suma es 6. Es decir, encuentre P(A/E) donde: E={la suma es 6} y
A={2 aparezca al menos en un dado}.
a) 2/5
b) 5/2
c) 3/5
d) 11/36
e) 100
6. A que se refiere la siguiente afirmacin:
Sea E un evento en un espacio muestral S y sean A 1 , A 2 ,, A n eventos mutuamente
excluyentes cuya unin es S. Entonces, para K = 1, 2,, n,
P ( Ak / E ) = P ( Ak ) P ( E / Ak ) / P ( A1 ) P ( E / A1 ) + P ( A2 ) P ( E / A2 ) + ... + P ( An ) P ( E / An )

a) regla de Bayes
b) probabilidad condicional
c) axioma
d) teorema
e) distribucin
7. Supongamos que una pareja tiene dos hijos. El espacio muestral para el sexo de los hijos
es S={bb,bg,gb,gg}, (b= nio y g= nia) donde un espacio equiprobable, es decir, una
probabilidad de para cada resultado. Encuentre la probabilidad p de que ambos hijos sean
nios si se sabe que el hijo mayor es un nio.
a)
20

b) 1
c) 1/3
d)
e) 100
8. Problema de Independencia. Se lanza una moneda tres veces. Encuentre la probabilidad
de que caigan exactamente dos Caras. Recordar que:
S={HHH,HHT,HTH,HTT,THH,THT,TTH,TTT}.
a) 3/8
b) 1/8
c) 8/3
d)
e) 100
9. Ejercicio de Probabilidad Total. Una fbrica utiliza tres maquinas X, Y, Z para producir
ciertos articulos. Supongamos que:
(1) La maquina X produce el 50% de todos los articulos, de los cuales el 3% son
defectuosos.
(2) La maquina Y produce el 30% de todos los articulos, de los cuales el 4% son
defectuosos.
(3) La maquina Z produce el 20% de todos los articulos, de los cuales el 5% son
defectuosos.
Sea D el evento en que un articulo esta defectuoso; expresarlo en porcentaje.
a) 3.7%
b) 7.3%
c) 6.3%
d) 9.3%
e) 100%
10. En cierta ciudad, el 40% de las personas se consideran conservadores (C), el 35% se
consideran liberales (L) y el 25% se consideran independientes (I). Durante la eleccin
particular, el 45% de los conservadores votaron, el 40% de los liberales votaron y el 60%
de los independientes votaron. Supongamos que una persona se selecciona aleatoriamente.
(a) Encuentre la probabilidad de que la persona vote.
(b) si la persona vot, encuentre la probabilidad de que el votante sea Liberal.
a) P(V)= 0.47, P(C/V)= 29.8%
b) P(V)= 0.47, P(C/V)= 38.3%
c) P(V)= 0.47, P(C/V)= 31.9%
d) P(V)= 0.47, P(C/V)= 3.3%
e) P(V)= 1000, P(C/V)= 3.3%

21