UNIVERSIDAD NACIONAL DEL SANTA

E.A.P Ingenieria Civil

Facultad: INGENIERIA

E.A.P.: INGENIERIA CIVIL

Curso: ESTADISTICA Y PROBABILIDAD

Tema: PROBABILIDAD

Docente: CALDERON YARLEQUE LUIS

Alumno: ARTEAGA HUAMAN KEVIN

Ciclo: III

Fecha: 02/06/16

Nuevo Chimbote, Junio del 2016

 PROBABILIDAD
Algunas definiciones sobre la probabilidad de diferentes autores:
Mendenhall, Beaver Robert y Barbara (2010) La probabilidad y la estadstica estn
relacionadas en una forma importante. La probabilidad se emplea como herramienta;
permite que usted evale la confiabilidad de sus conclusiones acerca de la poblacin
cuando tenga slo informacin muestral. Considere estas situaciones:
Cuando lance al aire una sola moneda, ver cara (H) o cruz (T). Si lanza la
moneda varias veces al aire, va a generar un nmero infinitamente grande de
caras o cruces, es decir, toda la poblacin. Qu aspecto tiene esta poblacin? Si
la moneda es imparcial, entonces la poblacin debe contener 50% de H y 50%
de T. Ahora lance al aire la moneda una vez ms. Cul es la probabilidad de que
resulte una cara? Casi todos diran que la probabilidad es 1/2. (pg. 128)

Canavos George C. (1998) La probabilidad es un mecanismo por medio del cual

pueden estudiarse sucesos aleatorios, cuando estos se comparar con los fenmenos
determinsticos. Por ejemplo, nadie espera predecir con certidumbre el resultado de un
experimento tan simple como el lanzamiento de una moneda. Sin embargo, cualquier
estudiante de primer ao de licenciatura en fsica es capaz de calcular el tiempo que
transcurrir para que un objeto, que se deja caer desde una altura conocida, llegue al
suelo.
La probabilidad tiene un papel crucial en la aplicacin de la inferencia estadstica
porque una decisin, cuyo fundamento se encuentra en la informacin contenida en
una muestra aleatoria, puede estar equivocada. (pg. 28)

Rincn Luis (2007) La teora de la probabilidad es la parte de las matemticas que

se encarga del estudio de los fenmenos o experimentos aleatorios. Por experimento
aleatorio entenderemos todo aquel experimento que cuando se le repite bajo las
mismas condiciones iniciales, el resultado que se obtiene no siempre es el mismo.
El ejemplo ms sencillo y cotidiano de un experimento aleatorio es el de lanzar una
moneda o un dado, y aunque estos experimentos pueden parecer muy modestos, hay
situaciones en donde se utilizan para tomar decisiones de cierta importancia. (pg. 6)
En principio no sabemos cul ser el resultado del experimento aleatorio, as que por
lo menos conviene agrupar en un conjunto a todos los resultados posibles. (pg. 7)

CONCEPTOS BSICOS

Experimento Aleatorio: Conjunto de pruebas realizadas bajo las mismas condiciones

y cuyos resultados son impredecibles. Los rasgos que distinguen a los experimentos
aleatorios son:
Todos los resultados del experimento son conocidos con anterioridad a su
realizacin.
No se puede predecir el resultado del experimento.
El experimento puede repetirse en condiciones idnticas.
Espacio Muestral: Es el conjunto de todos los resultados posibles de un experimento
aleatorio.
Se denota generalmente por y se clasifica en:

a) Cardinalidad: Finito, Infinito numerable, Infinito no numerable.

b) Discreto: Aquel cuyo resultado puede ponerse en una correspondencia uno a
uno, con el conjunto de los nmeros naturales.
c) Continuo: Aquel cuyos resultados consisten del intervalo de los nmeros
reales.
Suceso o evento aleatorio: Es cualquier subconjunto del espacio muestral. Conjunto
de posibles resultados de un experimento aleatorio.
a) Suceso o evento seguro: Es un evento que siempre ocurre.
b) Suceso o evento imposible: Es aquel que indefectiblemente no ocurrir, se
denomina conjunto vaco
c) Eventos igualmente probables: Todos tienen la misma probabilidad de
ocurrir (equiprobables).
d) Eventos dependientes: Aquellos en que la ocurrencia de uno afecta la
probabilidad de ocurrencia de los dems.
e) Eventos independientes: La ocurrencia de uno no afecta la probabilidad de
ocurrencia o no de los dems.

ENFOQUES DE PROBABILIDAD

Para definir la probabilidad vamos a dar varias definiciones o conceptos de

probabilidad. Con estas definiciones se pretende expresar de manera objetiva y
precisa el grado de ocurrencia de ciertos resultados de un fenmeno aleatorio.

DEFINICIN CLSICA DE LAPLACE O "A PRIORI"

Esta definicin es de uso limitado puesto que descansa sobre la base de las siguientes
dos condiciones:

1. El espacio muestra de todos los resultados posibles S es finito.

2. Los resultados del espacio muestra deben ser igualmente probables.

Bajo estas condiciones y si A es el evento formado por n(A) resultados del espacio
muestra y, el nmero total de resultados posibles es n(S), entonces

Ejemplo:

Al lanzar un dado, cul es la probabilidad de obtener un nmero par?

Solucin: S = {1, 2, 3, 4, 5, 6}, y hay tres pares, luego,

DEFINICIN FRECUENCIAL O A POSTERIORI
Tambin llamado Enfoque Emprico, determina la probabilidad sobre la base de la
proporcin de veces que ocurre un evento favorable en un nmero de observaciones.
En este enfoque no ese utiliza la suposicin previa de aleatoriedad, porque la
determinacin de los valores de probabilidad se basa en la observacin y recopilacin
de datos.
Ejemplo:
Se ha observado que 9 de cada 50 vehculos que pasan por una esquina no tienen
cinturn de seguridad. Si un vigilante de transito se para en esa misma esquina un da
cualquiera Cul ser la probabilidad de que detenga un vehculo sin cinturn de
seguridad?

Tanto el enfoque clsico como el enfoque emprico conducen a valores objetivos de

probabilidad, en el sentido de que los valores de probabilidad indican al largo plazo la
tasa relativa de ocurrencia del evento.

DEFINICIN AXIMATICA DE KOLMOGOROV

Las definiciones anteriores son netamente empricas o experimentales, sin embargo

despus de establecer una forma de determinar la probabilidad experimentalmente, se
pueden deducir leyes o propiedades de la probabilidad en forma lgica o
computacional bajo ciertas suposiciones llamados axiomas de la probabilidad.

La probabilidad de un evento A se define como el nmero P(A), tal que cumple con los
siguientes axiomas:

AXIOMA 1: La probabilidad P(A) de cualquier evento no debe ser menor que cero ni
mayor que uno: 0 P(A) 1

AXIOMA 2: P(S) = 1

AXIOMA 3: Si A y B son dos eventos mutuamente exclusivos (A U B = ), entonces: P

(A U B) = P(A) + P(B)

Toda la teora elemental de la probabilidad est construida sobre las bases de estos
tres simples axiomas.

Si el espacio muestral es infinito, debemos reemplazar el axioma 3 por el

AXIOMA 4: Si A1, A2, son eventos mutuamente exclusivos, entonces tenemos que

P(A1 U A2 U ) = P(Al) + P(A2) ++

LGEBRA DE SUCESOS DE PROBABILIDAD
Algunos conceptos de teora de conjuntos extendidos a sucesos de probabilidad se
deben recordar

La unin de dos sucesos A y B en un espacio muestral se define como:

A B=
x / x A x B , el conjunto correspondiente A B significa que
ocurre A, ocurre B u ocurren A y B.

La interseccin de dos sucesos A y B en un espacio muestral se define como:

A B = AB =
x / x A y x B
,A B significa que ocurren A y B conjunta o
simultneamente.

El complemento del suceso A en el espacio muestral se define como la diferencia

entre el conjunto y el conjunto A:

- A = Ac = A = A = x / x y x A y significa que no ocurre A.

A B Ac B c A B Ac B c
c c

Leyes de De Morgan y
PROPIEDADES

Adems de P (E) = 1, P ( ) = 0, 0 P(A) 1, tenemos:

1) Si A B = (A y B se excluyen mutuamente) entonces:

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

2) P(A) + P (Ac) = 1

3) Si A B entonces
P(A B) = P(A) + P (B) - P(A B)

4) Si A y B son eventos independientes (la ocurrencia de A no influye en la ocurrencia

de B), entonces
P(A B) = P(A) P (B)

5) Si A y B son eventos dependientes (la ocurrencia de A influye en la ocurrencia de

B), entonces
P(A B) = P(A) P (B/A)
P (B/A) es la probabilidad del evento B, sabiendo que ha ocurrido en A
EJERCICIOS:

1. Lanzamos un dado de seis caras dos veces. Los eventos: A: "sale par en el
primer lanzamiento" y B: "sale un 3 en el segundo", son eventos
independientes, entonces la probabilidad de que "salga par en el primero y un 3
en el segundo" es :

UTILIZAR: P(A B) = P(A) P (B).

P(A y B) = P(A B) = P(A) P (B) = (3/6) (1/6) = 1/12

2. En el lanzamiento de un dado de seis caras, los eventos A: "sale par" y B: "sale

primo" tienen interseccin no vaca: A B = {2}, entonces la probabilidad del
evento "sale par o primo" = A B es :

UTILIZAR: P(A B) = P(A) + P (B) - P(A B)

P(A o B) = P(A B) = P(A) + P (B) - P(A B) = 3/6 + 3/6 - 1/6 = 5/6

3. En el mismo experimento anterior de sacar una carta, el evento A: "no sale rey"
tiene como complemento al evento "sale rey", entonces resulta ms simple
calcular la probabilidad de A como 1 - P(Ac):

UTILIZAR: P(A) + P (Ac) = 1.

P (no sale rey) = 1 - P (sale rey) = 1 - 4/52 = 12/13

4. Se extrae una carta al azar de un mazo ingls normal de 52 cartas.

Supongamos que definimos los eventos A: "sale 3" y B: "sale una figura" y se
nos pregunta por la probabilidad de que ocurra A B. Como estos eventos no
pueden ocurrir simultneamente, o sea, son mutuamente excluyentes, A B
= y entonces

UTILIZAR: P(A B) = P(A B) = P(A) + P (B)

P (sale 3) + P (sale figura) = 4/52 + 12/52 = 4/13.

5. En la extraccin de una carta de un mazo ingls normal: cul es la

probabilidad de que la carta extrada sea el as de corazones, sabiendo que la
carta extrada es de corazones?

UTILIZAR: P(A B) = P(A) P (B/A). P(B/A) = P(A B)/ P(A) [P(B/A) es la

probabilidad del evento B, sabiendo que ha ocurrido A].
Debemos calcular P(as/corazn). La probabilidad de "as y corazn" es 1/52. La
probabilidad de corazn es 13/52.
Luego, P(as/corazn) = P(as y corazn)/P (corazn) = (1/52)/ (13/52) = 1/13.
DIAGRAMA DE ARBOL
El diagrama de rbol es un mtodo para obtener los resultados posibles de un
experimento cuando ste se produce en unas pocas etapas.
Cada paso del experimento se representa como una ramificacin del rbol.

EJERCICIOS
1. Una mujer es portadora de hemofilia. Aunque la mujer no tenga la enfermedad,
puede transmitirla a sus 3 hijos. Obtener las trayectorias para este experimento
mediante un diagrama de rbol.

Suponiendo que es igualmente probable que se trasmita o no la enfermedad.

Obtener las probabilidades de los siguientes sucesos:
1.- Ningn hijo tenga la enfermedad, (suceso A)
2.- Dos hijos tengan la enfermedad, (suceso B)

2. Calcula la probabilidad de obtener rojo en las ruletas de la figura.

 P(R) = 0,80,5 + 0,20,4 = 0,48
3. Lanzamos una moneda, si sale cara sacamos una bola de una urna con 2
bolas verdes y 3 bolas negras; si sale cruz de otra urna con 3 bolas verdes y 2
bolas negras. Calcula la probabilidad de que la bola extrada sea verde.

P(C y V) = 1/2 2/5 = 1/5 = 0,2

P(X y V) = 1/2 3/5 = 3/10 = 0,3
P (V) = 0,2 + 0,3 = 0,5

4. Calcular la probabilidad de que al arrojar al aire tres monedas, salgan:

Tres caras.
TEOREMA DE BAYES

El teorema de Bayes es un procedimiento para obtener probabilidades condicionales

(probabilidades de ocurrencia de acontecimientos condicionadas a la ocurrencia de
otros acontecimientos). La expresin del teorema de Bayes para dos variables discretas

es:

Sea un conjunto de sucesos mutuamente excluyentes y

exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero (0). Sea
B un suceso cualquiera del que se conocen las probabilidades condicionales
. Entonces, la probabilidad viene dada por la expresin:

Donde:

son las probabilidades a priori.

es la probabilidad de en la hiptesis .
son las probabilidades a posteriori.

Con base en la definicin de Probabilidad condicionada, obtenemos la Frmula de

Bayes, tambin conocida como la Regla de Bayes:

Esta frmula nos permite calcular la probabilidad condicional de cualquiera

de los eventos , dado .
El teorema de Bayes da respuesta a cuestiones de tipo causal, predictivas y de
diagnstico. En las cuestiones causales queremos saber cul es la probabilidad de
acontecimientos que son la consecuencia de otros acontecimientos. En las cuestiones
predictivas queremos saber cul es la probabilidad de acontecimientos dada
informacin de la ocurrencia de los acontecimientos predictores. En las cuestiones de
tipo diagnstico queremos saber cul es la probabilidad del acontecimiento (o
acontecimientos) causales o predictivos dado que tenemos informacin de las
consecuencias. Para resumir, en las situaciones causales o predictivas desconocemos
las consecuencias y tenemos evidencia de las causas. Por el contrario, en las
situaciones de diagnstico desconocemos las causas y tenemos evidencia de las
consecuencias.
EJERCICIOS:
1. El 20% de los empleados de una empresa son ingenieros y otro 20% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistas tambin, mientras que los no ingenieros y los no economistas
solamente el 20% ocupa un puesto directivo. Cul es la probabilidad de que un
empleado directivo elegido al azar sea ingeniero?

2. La probabilidad de que haya un accidente en una fbrica que dispone de alarma

es 0.1. La probabilidad de que suene esta s se ha producido algn incidente es
de 0.97 y la probabilidad de que suene si no ha sucedido ningn incidente es 0.02.
En el supuesto de que haya funcionado la alarma, cul es la probabilidad de que
no haya habido ningn incidente?
Sean los sucesos:
I = Producirse incidente.
A = Sonar la alarma.

3. En la sala de pediatra de un hospital, el 60% de los pacientes son nias. De los

nios el 35% son menores de 24 meses. El 20% de las nias tienen menos de 24
meses. Un pediatra que ingresa a la sala selecciona un infante al azar.
Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea
una nia.
Se definen los sucesos:
Suceso H: seleccionar una nia.
Suceso V: seleccionar un nio.
Suceso M: infante menor de 24 meses.

4. Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes, el

20% se realizan correcciones faciales, un 35% implantes mamarios y el restante
en otras cirugas correctivas. Se sabe adems, que son de gnero masculino el
25% de los que se realizan correcciones faciales, 15% implantes mamarios y 40%
otras cirugas correctivas. Si se selecciona un paciente al azar, determine:
Si resulta que es de gnero masculino, determine la probabilidad que se haya
realizado una ciruga de implantes mamarios.
Se definen los sucesos:
Suceso F: pacientes que se realizan cirugas faciales
Suceso M: pacientes que se realizan implantes mamarios
Suceso O: pacientes que se realizan otras cirugas correctivas
Suceso H: pacientes de gnero masculino
5. Un Doctor dispone de tres equipos electrnicos para realizar ecosonogramas. El
uso que le da a cada equipo es de 25% al primero, 35% el segundo en y 40% el
tercero. Se sabe que los aparatos tienen probabilidades de error de 1%, 2% y 3%
respectivamente. Un paciente busca el resultado de una ecografa y observa que
tiene un error. Determine la probabilidad de que se ha usado el primer aparato.
Se definen los sucesos:
Suceso P: seleccionar el primer aparato
Suceso S: seleccionar el segundo aparato
Suceso T: seleccionar el tercer aparato
Suceso E: seleccionar un resultado con error
DISTRIBUCIONES DE PROBABILIDADES, FUNCIN DE PROBABILIDAD,
FUNCIN DENSIDAD DE PROBABILIDAD.

Una distribucin de probabilidad de una variable aleatoria X es el conjunto de pares

ordenados (X , f(X)) donde f(X) es la funcin de probabilidad de X (si X es discreta) o
funcin densidad de probabilidad de X (si X es continua). Una distribucin de
probabilidad puede estar dada por una tabla, una grfica o una expresin matemtica
(frmula) que da las probabilidades con que la variable aleatoria toma diferentes
valores.

Tabla 1 Probabilidad de la variable del ejemplo 3

S Valores de X
: xi

(1,1) 2

(1,2) (2,1) 3

(1,3) (3,1) (2,2) 4

(1,4) (4,1) (2,3) (3,2) 5

(1,5) (5,1) (2,4) (4,2) (3,3) 6

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

(2,6) (6,2) (3,5) (5,3) (4,4) 8

(3,6) (6,3) (4,5) (5,4) 9

(4,6) (6,4) (5,5) 10

(5,6) (6,5) 11

(6,6) 12
 Total:

La grfica de lneas para este ejemplo es:

Fig. 3 Grfica de lneas de la Distribucin de Probabilidad de la variable aleatoria

del ejemplo 1

Otro tipo de grfica empleado para representar una funcin de probabilidad es el

histograma, que consiste en representar una funcin las probabilidades como reas.

Fig. 4 Histograma de la Distribucin del ejemplo 1

EJEMPLO 1:

Si lanzamos una moneda legal y representamos por X el nmero de ensayos

realizados hasta que aparece por primera vez un guila, entonces, el espacio muestra
correspondiente es infinito, ya que hay un nmero infinito de numerable de resultados,
a saber, 1, 2, 2, 3, De hecho, X=1 significa que aparece un guila en el primer
ensayo, X=2, indica que primero se obtiene sol y en el segundo tiro, un guila, etc.
Puesto que las guilas y los soles son igualmente probables, y los ensayos son
independientes, tenemos que:

De esta manera, obtenemos la funcin de probabilidad

La distribucin de probabilidad de X se puede expresar mediante una tabla como se ve

a continuacin:

X f(X)

1 1/2

2 1/4

3 1/8

4 1/16

5 1/32
BIBLIOGRAFIA
Rincn Luis. (2007). Estadstica y Probabilidad. Mxico: Ciudad Universitaria
UNAM.
Canavos George C. (1998). PROBABILIDAD Y ESTADISTICA: Aplicaciones y
mtodos. Mxico: McGraw-Hill.
Mendenhall, Beaver Robert y Brbara. (2010). Introduccin a la probabilidad y
estadstica. Mxico: Cengage Learning Editores.

PAGINAS WEB
http://colposfesz.galeon.com/est501/probabi/teo/cap308/cap308.htm
http://www.jfinternational.com/mf/probabilidades-conjuntos.html
http://www.ugr.es/~bioestad/_private/Tema_2_color.pdf
http://recursostic.educacion.es/descartes/web/materiales_didacticos/EDAD_4eso_A_pr
obabilidad/impresos/4quincena12.pdf