AREA DE CIENCIAS

Logro especfico de aprendizaje:

Al finalizar el participante comprende los

diferentes conceptos relacionados con
probabilidades
y
los
aplica
adecuadamente en situaciones reales.

Probabilidades

Introduccin
En ingeniera, economa, finanzas, administracin, medicina

y otras disciplinas encontramos problemas que requieren

razonamiento cuantitativo de fenmenos aleatorios.
La base de este razonamiento es la teora de las
probabilidades.

Probabilidades
El Lenguaje de Incertidumbres
Por qu Probabilidades?
-

Caractersticas del Entorno en el cual se toman

decisiones: incertidumbre

- Probabilidades es el lenguaje para describir y tratar la

incertidumbre

Enfrentar, entender y comunicarse claramente acerca

de la incertidumbre es importante y requerido para:
Anlisis de riesgo, administracin del riesgo y reduccin del riesgo

Evaluacin de proyectos de inversin

Control de calidad
Mejoramiento Gentico
Anlisis de sobrevivencia
Teora de colas, de juegos
Sistemas de seguros
Otros

Definiciones previas
EXPERIMENTO (): Es todo aquel acto o accin que se realiza con el
fin de observar sus resultados y cuantificarlos.
Los fenmenos pueden clasificarse de acuerdo al tipo de
resultados en:

Determinstico
Es aquel cuyos resultados se pueden predecir de antemano.

No Determinstico (aleatorio)
Es aquel en el que para las limitaciones actuales del conocimiento
cientfico, no se puede predecir con certeza el resultado.

Experimentos o fenmenos aleatorios

Son experimentos o fenmenos que dan lugar a varios resultados, sin que se pueda predecir con certeza
cul de stos va a ser observado en la realizacin del mismo.
Ejemplos:
Lanzamiento de una moneda o de un dado
Precio petrleo
Ventas mensuales de refrigeradoras
Costos de Produccin

Nmero de accidentes de trnsito que se producen en una avenida principal

Nmero de personas que acudirn a un supermercado
La inflacin del prximo mes
El tiempo que tarda un avin en realizar un determinado vuelo
El rating del noticiero de Cuarto Poder
Las cotizaciones de las acciones ms representativas de la Bolsa de Valores de Lima
-Qu otros ejemplos de fenmenos aleatorios a menudo enfrenta?

...

Espacio Muestral:
Es el conjunto formado por todos los posibles resultados de un
experimento aleatorio.
Ejemplo 1 Espacios muestrales:
1. Lanzar un dado: = {1, 2, 3, 4, 5, 6}

2. Extraer al azar un naipe:

={1T, 2T, 3T, ..., 13D}
(52 posibles resultados)

Espacio Muestral:
3. Plantar dos semillas y observar si cada una germina o no.
= {GG, NG, GN, NN}
4. Evaluar artculos en una lnea de produccin hasta encontrar el primer
defectuoso:
= {D, ND, NND, NNND, ...}
5. Observar tiempo de vida til de un celular (en horas):
=[0, )
6. El tiempo, con relacin al calor, que har durante tres das consecutivos :
={CCC, CCN, CNC, NCC, CNN, NCN, NNC, NNN}

Eventos
Un evento es cualquier subconjunto del espacio muestral .
Ejemplo:

Experimento: Lanzar tres dados y anotar la suma de los puntos

obtenidos:
={3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}
Eventos:
A= Suma de puntos mltiplos de 5
B= Suma de puntos mayores que 12
A= {5, 10, 15}
B= {13, 14, 15, 16, 17, 18}

Tipos de Eventos
Experimento aleatorio: extraer al azar una carta de una baraja

Evento elemental:
Se llama as, a cada uno de los elementos del espacio muestral
Ejemplo: sale un 3 de diamantes en la extraccin de un naipe
Evento imposible:
Ejemplo: Salga un 15 de diamantes en la extraccin de un naipe
Evento seguro:
Ejemplo: Salga una de las 52 cartas del naipe

Evento contrario o complemento de un Evento: A

Son todos los elementos de que no pertenecen a A

Ejemplo A: sale Diamante

A : todas las cartas que no son diamante

Eventos mutuamente
exhaustivos

excluyentes

colectivamente

Dos eventos son mutuamente excluyentes si la

ocurrencia de un evento excluye la ocurrencia de
otro.

A B =

Los eventos colectivamente exhaustivos son

aquellos que poseen la propiedad de que al
menos uno ellos debe ocurrir.

A1

A3

A2

A1 A2 A3 =

Los eventos mutuamente excluyentes y

colectivamente exhaustivos son aquellos que:
Ai Aj = i j, y
A1 A2 ... An =

A
B

AB=AC=BC=
y ABC=

Ejemplo 2
Experimento:
Anotar el nmero de televisores vendidos durante la ltima
semana en una tienda de electrodomsticos
Eventos:
A= La ultima semana se vendi menos de 5 televisores
B= La ltima semana se vendi 25 televisores
C= La ltima semana se vendi 8 o mas televisores

Ejemplo: continuacin
1.Describa los eventos AUB, AUC y AC
2. Los eventos A y B son mutuamente excluyentes?
3.Encuentre los eventos complementarios de A y C
= {0, 1, 2, 3, 4,, N}, N=stock disponible
Los eventos A y B estn formados por los eventos
elementales:
A = {0, 1, 2, 3, 4}
B = {25}
C= {8, 9, 10, , N}

Ejemplo: continuacin
A partir de estos conjuntos, tenemos:
1.AUB = {0, 1, 2, 3, 4, 25}
AB =
2.Al ser AB = , los eventos A y B son
mutuamente excluyentes.
3.El complemento de A es A = {5, 6, 7,, N}
El complemento de C es C = {0,1, 2, 3, 4, 5, 6, 7}
AUC= ??

Fundamentos de probabilidades
En la vida real la posibilidad de que un evento suceda puede estar entre lo
virtualmente cierto y lo virtualmente imposible.
La teora de probabilidades ofrece un marco para asignar nmeros reales a la
posibilidad de ocurrencia de diferentes eventos, de tal manera que sus
posibilidades puedan ser comparadas y evaluadas.

Conceptualmente existen tres maneras de determinar la posibilidad de

ocurrencia de un evento:
Probabilidad clsica a priori
Probabilidad clsica emprica o frecuentista
Probabilidad subjetiva

18

Probabilidad clsica a priori

Depende de las caractersticas fsicas del objeto en estudio y se basa en el
conocimiento previo del proceso.
Se basa en que todos los eventos elementales de un espacio muestral finito son:
Igualmente probables
Mutuamente excluyentes
Colectivamente exhaustivos
En este caso, la probabilidad del evento A es el cociente entre el nmero de
resultados favorables a la ocurrencia del evento A y el nmero de resultados
posibles.

P(A)= #(A)
#()

Probabilidad clsica a priori

Ejemplos:
3. Se lanza un dado y se observa el nmero que
sale. Cul es la probabilidad de que salga un
nmero par?
={1, 2, 3, 4, 5, 6}
A= Sale nmero par
P(A)=3/6= 1/2

Probabilidad clsica a priori

Ejemplos:
4. Se sabe que en determinada urbanizacin viven 120
familias, de los cuales 90 son propietarios y el resto
inquilinos. Si se escoge una familia al azar cual es la
probabilidad de que sea inquilino?
A: que la familia se inquilino; n(A) = 30
n()=120
P(A) = 30/120

Axiomas de probabilidad
Sea el espacio de eventos de un experimento, y A un
evento cualquiera de .
1. P() = 1
2. Si para E1, E2, ....
3. P(A) 0

se cumple que Ei Ej = , para toda i j, entonces:

P(E1 E2 ....)= P(E1) + P(E2) + ...

Teoremas derivados de los axiomas

Sea el espacio de eventos de un experimento, y A un evento cualquiera de .

1. 0 P(A) 1, para cualquier A

2. Si A= P(A)=1
3. Si A= P(A) = 0
4. Si =A+A P(A)=1-P(A)
5. Si A y B pertenecen a , se cumple que:
P( A B ) = P(A) + P(B) - P( A B )
6. Si A y B son evs mutuamente excluyentes i.e. A B=
P( A B ) = P(A) + P(B)
7. Ley de Morgan
1. P(A B)=1 - P(A B) = P(AB)
2. P(A B )= 1 - P(AB) = P(A B)

Ejemplo 5
En una empresa los clientes son consultados acerca de la atencin
del personal, de los 180 entrevistados, 92 pagan con tarjeta de
crdito, 70 son clientes frecuentes, y de los que pagan con tarjeta
de crdito 48 son clientes frecuentes. Encontrar la probabilidad de
que:
a. El cliente slo paga con tarjeta de crdito
b. El cliente slo es frecuente
c. El cliente no es frecuente y no paga con tarjeta de crdito

Ejemplo 5 - Solucin
A= cliente paga con tarjeta de crdito, n(A)=92
B= cliente frecuente, n(B)=70
P(A) = 92/180, P(B) = 70/180, P(A y B)= 48/180
a. El cliente slo paga con tarjeta de crdito:
P(AB)=P(A)-P(AB)=(92-48)/180=0.2444
b. El cliente slo es frecuente:
P(AB)=P(B)-P(AB)=(70-48)/180=0.1222
c. El cliente no es frecuente y no paga con tarjeta de crdito
P(AB)= P(A B)=1 - P(A B)=1-(92+70-48)/180=
=1-114/180=0.367

Cierre
Qu hemos aprendido?
Qu es un espacio muestral?
A qu se le denomina probabilidad clsica?
Cul es la utilidad de las Probabilidades?