Universidad Tecnológica de Panamá

Facultad de Ingeniería Industrial

Licenciatura de Ingeniería Industrial

Tarea de:
Estadística I

Tema:
Conceptos Generales de Probabilidad Básica

Integrantes:
González, Yamileth 8-898-550
Martínez, Ricardo 8-916-765
Reece, Karla 8-938-312
Romero, Mara 8-914-2267

Profesor:
Dr. Raúl De Gracia Harrison

Grupo:
1II131

Fecha:
4-7-2018
5. Cálculos de probabilidad

a. Propiedades del cálculo de probabilidades

b. Cálculo de probabilidades bajo condiciones de independencia de eventos

b.1. Probabilidad Simple o marginal

b.2. Probabilidad Conjunta

b.3. Probabilidad Condicional

c. Cálculo de probabilidades bajo condiciones de dependencia de eventos

c.1. Probabilidad Simple o marginal

c.2. Probabilidad Conjunta

c.3. Probabilidad Condicional

d. Teorema de Bayes
 Cálculos de probabilidad

a. Propiedades del cálculo de probabilidades

Sea S el espacio muestral de un experimento, particionado en eventos mutuamente exclusivos

y exhaustivos, que pueden ser simples o compuestos. La probabilidad de un evento cualquiera
E en S es un número real tal que se cumplen los teoremas siguientes:

1. La probabilidad de que ocurra el evento E denotado por P(E) es un número comprendido

entre 0 y 1 inclusive

0  P( E )  1

2. La probabilidad de todo evento puede ser igual a 1. Si un evento es idéntico al espacio

muestral, o sea E= S, la probabilidad de tal evento es entonces UNO, lo que implica que el evento
ocurre seguramente, o sea que

P( S )  1

3. Si E1 y E2 son dos eventos de S y si la ocurrencia de E1 implica la de E2, o sea E1es una

parte de E2, entonces la probabilidad de E1 es menor o igual que la probabilidad de E2

E1  E2  P( E1 )  P( E2 )

4. La probabilidad de un evento imposible, o de un conjunto vacío es CERO. Una probabilidad

CERO indica que el evento no ocurre seguramente. Es decir que:

P()  0

5. La suma total de todas las probabilidades dentro del espacio muestral será igual a UNO.

 P( E )  1
Todai
i

REGLAS PARA EL CÁLCULO DE LA PROBABILIDAD

1. Regla especial de la adición:

Si dos eventos A y B son mutuamente excluyentes (la intersección de A y B no ocurre), la regla

especial de adición indica que la probabilidad de que ocurra A o B es igual a la suma de sus
probabilidades respectivas:
P(A o B)= P(A U B)= P(A) + P(B)

Generalizando para tres eventos mutuamente excluyentes:

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

2. Regla general de la adición

Si los eventos no son mutuamente excluyentes (hay elementos comunes, A intersección B existe)

P( AóB)  P( A  B)  P( A)  P( B)  P( A  B)

Generalizando para tres eventos A, B y C QUE NO SON MUTUAMENTE EXCLUYENTES

La probabilidad de que ocurra A o B o C es decir:

P ( AóBó C)  P ( A  B  C ) 

P ( A)  P ( B )  P ( C )  P ( A  B )  P ( B  C )  P ( A  C )  P ( A  B  C )

3. Regla del complemento de un evento

El complemento de un evento A (A´o AC) es todo aquel resultado que no forma parte del evento
A por lo tanto P(A) + P(A´) es igual a 1 entonces P(A) = 1 - P(A´).

4. Regla de la multiplicación
 Probabilidad Condicional

a. Probabilidad condicional:

Es la probabilidad de que ocurra un evento en particular (posterior), dado que ocurrió otro
evento (anterior).

La probabilidad de que ocurra el evento A dado que ya

ocurrió B se denota como P(A|B) y se calcula por la expresión:

P( A / B)  P( A  B) / P( B)

La probabilidad de que ocurra el evento B dado que ya ocurrió A se denota como P(B|A)
y se calcula por la expresión:

P( B / A)  P( A  B) / P( A)

Probabilidad Conjunta

Probabilidad que mide la posibilidad de que dos o más eventos sucedan simultáneamente.

Para dos eventos A y B, dependientes, la probabilidad conjunta de ocurrencia se encuentra

multiplicando la probabilidad de A por la probabilidad condicional de B dado que A ocurrió.

P( A  B)  P( A) P( B / A)

La probabilidad de que ocurra un evento está influenciada porque ocurra o no otro evento.

P( A  B)  P( B) P( A / B)
 Probabilidad Marginal

Es la probabilidad de ocurrencia de un evento simple

b. Cálculo de probabilidades bajo condiciones de independencia de eventos.

INDEPENDENCIA

Si un evento ocurre, no tiene ningún efecto sobre la probabilidad de que otro evento acontezca.
Cuando los eventos son independientes entonces el cálculo de probabilidades condicionales se
expresa por:

P(A y B) : P(A)P(B)

b.1. Probabilidad Simple o marginal

Ejemplo 1:
En una bolsa hay 4 canicas rojas, 3 verdes y 2 azules ¿Cuál es la probabilidad de
sacar una azul?
2
P(azul)= = 0.22 = 22%
9

Ejemplo 2:
En un partido de football un árbitro lanza una moneda para ver qué equipo escoge con qué lado
de la cacha quiere comenzar el juego, el equipo que escoge cara es Croacia y el equipo que
escoge sello es Rusia. ¿Cuál es la probabilidad de que salga cara a favor de Croacia?
1
P(cara)=2 = 0.5 = 50%

Ejemplo 3:
Si en un paquete de gomitas hay 100 gomitas, 50 de fresas y 50 de limón ¿Cuál es la
probabilidad de que se saque una de fresa?
50
P( fresa)=100 = 0.5 = 50%
b.2. Probabilidad Conjunta

Ejemplo 1:

En una tómbola hay 3 bolas rojas y 5 blancas. Se extraen una a una y sin reposición, dos
bolas. La probabilidad de que ambas resulten rojas es:

Solución:

Los eventos de extracción son independientes, por lo tanto, la probabilidad pedida

será el producto de cada una de las probabilidades individuales.

La 1º extracción tiene 3 casos favorables de un total de 8 bolas. La probabilidad es 3/8.

La 2º tiene 2 casos favorables de un total de7 bolas que quedan. Su probabilidad es 2/7

Así, la probabilidad pedida es

P= (3/8) (2/7)

P= (3/4) (1/7)

P=3/28

Ejemplo 2:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es
eliminada de la caja y luego reemplazada. Otra canica se saca de la caja. ¿Cuál es la
probabilidad de que la primera canica sea azul y la segunda canica sea verde?
Ya que la primera canica es reemplazada, el tamaño del espacio muestral (9) no cambia de la
primera sacada a la segunda así los eventos son independientes.

P (azul luego verde) = P (azul) · P (verde)

Ejemplo 3:
Si hay una probabilidad del 10% de que Júpiter se alineará con Marte, y una probabilidad de
50% de que su tirada de una moneda saldrá águilas, entonces ¿Cuál es la probabilidad de que
Júpiter se alineara con Marte y su tirada de la moneda saldrá águilas (suponiendo que Júpiter
no tenga ningún efecto en el resultado de si tirada)?
Aquí,
J: Júpiter se alineará con Marte
A: su tirada saldrá águilas

Pues Júpiter no tiene ningún efecto en la tirada de la moneda, tomamos este suceso como
independiente, y así la probabilidad de que ambos sucesos ocurrirán es

P(J∩A)= P(J)P(A)= (.10)(.50)=.05=5%

b.3 Probabilidad Condicional

Ejemplo 1:
Sean E1 y E2 los eventos “cae cara en el quinto lanzamiento” y “cae cara en el sexto
lanzamiento” de una moneda, respectivamente. Entonces E1 y E2 son eventos independientes
y, por lo tanto, la probabilidad de cara tanto en el quinto como en el sexto lanzamientos es
(suponiendo que sea una moneda legal)

Pr{E1E2} = Pr{E1} Pr{E2} = (1/ 2) (1/ 2) = ¼

Ejemplo 2:
Si la probabilidad de que A esté vivo en 20 años es 0.7 y la probabilidad de que B esté vivo en
20 años es 0.5, entonces la probabilidad de que ambos estén vivos en 20 años es

(0.7) (0.5) = 0.35.

Ejemplo 3:
Un dado no cargado se lanza 2 veces. Encontrar la probabilidad de obtener 4, 5 ó 6 en el
primer lanzamiento y 1, 2, 3 ó 4 en el segundo.

Sea 𝐴1 el evento “4, 5 ó 6 en el primer lanzamiento” y sea 𝐴2 el evento “1, 2, 3 ó 4 en el

segundo lanzamiento”. Entonces se busca la probabilidad P (A1 ∩ A2 )

3 4 1
P (A1 ∩ A2 ) = P(A1 )P(A2 |A1 ) = P(A1 )P(A2 ) = ( ) ( ) =
6 6 3

Aquí empleamos el hecho de que el resultado del segundo es independiente del resultado del
3
primer lanzamiento, de manera que P(A2 |A1 ) = P(A2 ) también usamos P(A1 ) = 6 (ya que 4, 5 ó
4
6 son 3 de 6 posibilidades igualmente probables) y P(A2 ) = 6 (ya que 1, 2, 3 ó 4 son 4 de 6
posibilidades igualmente probables).
 c. Cálculo de probabilidades bajo condiciones de dependencia de eventos

c.1. Probabilidad Simple o marginal

Ejemplos 1:
Una caja contiene 4 canicas rojas, 3 canicas verdes y 2 canicas azules. Una canica es
eliminada de la caja y no es reemplazada. Otra canica se saca de la caja. ¿Cuál es la
probabilidad de que la primera canica sea azul y la segunda canica sea verde?
Ya que la primera canica no es reemplazada, el tamaño del espacio muestral para la primera
canica (9) es cambiado para la segunda canica (8) así los eventos son dependientes.
P(azul luego verde) = P(azul) · P(verde)

Ejemplos 2:
Un departamento de mantenimiento recibe un promedio de 5 llamadas por hora. Comenzando
en un momento aleatoriamente seleccionado, la probabilidad de que una llamada llegue dentro
de media hora es:
Promedio 5 por hora, como el intervalo es media hora = 2,5/media hora. Tenemos que
P (T < 30 min.) = 1- e -5 = 1 - 0,08208 = 0,91792
Ejemplos 3:
Una bolsa de canicas tiene 20 canicas rojas, 20 blancas, y 10 verdes. Si sacamos tres canicas,
¿cuál es la probabilidad de que saquemos exactamente dos canicas rojas?
El espacio de eventos es las combinaciones para las que hay dos canicas rojas y una que no
es roja. Existen 20 opciones para la primera roja, 19 opciones para segunda roja, y 30 opciones
para la de otro color. Como el orden no importa, tenemos que dividir el número de formas de

arreglar las tres canicas. El tamaño del espacio de eventos es . El espacio

muestral es todas las posibles combinaciones, que son La probabilidad es la

razón del tamaño del espacio de eventos y el tamaño del espacio muestral, lo que se simplifica

como .

c.2. Probabilidad Conjunta

Ejemplo 1.
P (A B) = P(A)•P(B). 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
P(A y B) = P(A ∩B) = P(A)•P(B) = (3/6)•(1/6) = 1/12

Ejemplo 2.
P (A ∩B) = P(A)•P(B/A) ó P(B/A) = P(A ∩B)/ P(A) [P(B/A)
Es la probabilidad del evento B, sabiendo que ha ocurrido A]. En la extracción de una carta de
un mazo inglés normal: ¿cuál es la probabilidad de que la carta extraída sea el as de
corazones, sabiendo que la carta extraída es de corazones?
Debemos calcular P(as/corazón).
La probabilidad de "as y corazón" es 1/52.
La probabilidad de corazón es 13/52.
Luego, P(as/corazón) = P (as y corazón) /P(corazón) = (1/52)/(13/52) = 1/13.

Ejemplo 3.
En una baraja española de 40 cartas ¿cuál es la probabilidad de obtener tres ases al sacar tres
cartas?
En la baraja hay 4 ases de un total de 40 cartas. La probabilidad de sacar el primer as es:

La probabilidad de sacar un segundo as, habiendo sacado un as en la primera carta es 3/39, ya

que quedan 3 ases en 39 cartas:

La probabilidad de sacar un tercer as, habiendo sacado un as en la primera y en la segunda

carta es 2/38, ya que quedan 2 ases en 38 cartas:

Por tanto, para calcular la probabilidad de sacar tres ases multiplicamos las probabilidades
anteriores:
c.3 Probabilidad Condicional

Ejemplo 1:
En un campamento de verano hay inscritos 90 jóvenes, de los cuales 70 hablan inglés con
fluidez; 25, francés, y 15, ambos idiomas. Escogido un joven al azar, halla la probabilidad de
que: a) Hable los dos idiomas. b) Hable francés, sabiendo que habla inglés. Sean A = “habla
inglés”; B = “habla francés”

a) P (Hable los dos idiomas) =P(A∩B) = 15/90 =1/6

P(A∩B) 15/90
b) P(B/A) = 𝑃(𝐴)
= 70/90
= 15/70 = 3/14

Ejemplo 2:
Supóngase que una caja contiene 3 pelotas blancas y 2 pelotas negras. Sea E1 el evento “la
primera pelota que se saca es negra” y E2 el evento “la segunda pelota que se saca es negra”,
donde las pelotas no se vuelvan a colocar en la caja una vez sacadas. Aquí E1 y E2 son
eventos dependientes.

La probabilidad de que la primera pelota que se extraiga sea negra es

Pr{E1} = 2 / (3 + 2) = 2 / 5.

La probabilidad de que la segunda pelota que se extraiga sea negra, dado que la primera
pelota que se extrajo fue negra, es

Pr{E2IE1} = 1 / (3 +1) =1 / 4.

Por lo tanto, la probabilidad de que las dos pelotas que se extraigan sean negras es

Pr{E1E2} = Pr{E1} Pr{E2IE1} = (2 /5) * (1/ 4) = 1 / 10

Ejemplo 3:
Suponga que una persona saca de la caja una bola de color de color, ¿Cuál es la probabilidad
de que ésta tenga puntos? ¿Cuál es la probabilidad de que tenga franjas? / ¿Cuál es la
probabilidad condicional de que la bola tenga puntos (D), dado que es de color (C)?

Solución:
Se nos ha dicho que la bola que se sacó es de color. Por tanto, para calcular la probabilidad de
que tenga puntos, ignoraremos a todas las bolas grises y nos centraremos exclusivamente en
las de color. Sólo tomaremos en cuenta lo que se muestra en forma de diagrama.

A partir del planteamiento del problema, sabemos que hay 4 bolas de color, 3 de las 4 tienen
puntos y la que queda tiene franjas. Ahora nuestro problema consiste en encontrar las
probabilidades sencillas de que la bola tenga puntos y de que tenga franjas. Para hacerlo
dividimos el número de bolas de cada categoría entre el número total de bolas de color.
3
P(D|C) = 4 = 0.75
 1
P(S|C) = 4 = 0.25

En otras palabras, ¾ de las bolas de color tienen puntos y ¼ tiene franjas. Así pues, la
probabilidad de sacar una bola con puntos, dado que ésta es de color; es de 0.75. De forma
parecida, la probabilidad de obtener una bola con franjas, dado que ésta es de color, es de
0.25.

d. Teorema de Bayes

El teorema de Bayes, en la teoría de la probabilidad, es una proposición planteada por el

filósofo inglés Thomas Bayes (1702-1761) en 1763, que expresa la probabilidad condicional de
un evento aleatorio A dado B en términos de la distribución de probabilidad condicional del
evento B dado A y la distribución de probabilidad marginal de sólo A.

En términos más generales y menos matemáticos, el teorema de Bayes es de enorme

relevancia puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A. Es
decir, por ejemplo, que sabiendo la probabilidad de tener un dolor de cabeza dado que se tiene
gripe, se podría saber (si se tiene algún dato más), la probabilidad de tener gripe si se tiene un
dolor de cabeza. Muestra este sencillo ejemplo la alta relevancia del teorema en cuestión para
la ciencia en todas sus ramas, puesto que tiene vinculación íntima con la comprensión de la
probabilidad de aspectos causales dados los efectos observados.

Si A 1, A 2 ,... , An son:

Sucesos incompatibles 2 a 2.

Y cuya unión es el espacio muestral (A 1 A2 ... A n = E).

Y B es otro suceso.

Resulta que:

Las probabilidades p(A1) se denominan probabilidades a priori.

Las probabilidades p(Ai/B) se denominan probabilidades a posteriori.

Las probabilidades p(B/Ai) se denominan verosimilitudes.

Se dice que el Teorema de Bayes es una probabilidad condicional marcha atrás y se utiliza en
la toma de decisiones bajo incertidumbre.
Ejemplo 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 también, mientras
que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. ¿Cuál
es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?

Ejemplo 2:
Un médico cirujano se especializa en cirugías estéticas. Entre sus pacientes, el 20% se
realizan correcciones faciales, un 35% implantes mamarios y el restante en otras cirugías
correctivas. Se sabe además, que son de genero masculino el 25% de los que se realizan
correcciones faciales, 15% implantes mamarios y 40% otras cirugías correctivas. Si se
selecciona un paciente al azar, determine:

a. Determine la probabilidad de que sea de género masculino

b. Si resulta que es de género masculino, determine la probabilidad que se haya realizado una
cirugía de implantes mamarios.

Solución:

Se definen los sucesos:

Suceso F: pacientes que se realizan cirugías faciales

Suceso M: pacientes que se realizan implantes mamarios

Suceso O: pacientes que se realizan otras cirugías correctivas

Suceso H: pacientes de género masculino

a. La probabilidad de que sea de género masculino se refiere a un problema de probabilidad
total, ya que es el suceso condicionado y las cirugías los condicionantes. Dicho valor será:

b. Como el suceso condicionado ha ocurrido entonces se aplica el teorema de bayes, luego, el

valor de la probabilidad será:

Ejemplo 3:
En la sala de pediatría de un hospital, el 60% de los pacientes son niñas. De los niños el 35%
son menores de 24 meses. El 20% de las niñas tienen menos de 24 meses. Un pediatra que
ingresa a la sala selecciona un infante al azar.

a. Determine el valor de la probabilidad de que sea menor de 24 meses.

b. Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una niña.

Solución:

Se definen los sucesos:

Suceso H: seleccionar una niña.

Suceso V: seleccionar un niño.

Suceso M: infante menor de 24 meses.

En los ejercicios de probabilidad total y teorema de bayes, es importante identificar los sucesos
que forman la población y cuál es la característica que tienen en común dichos sucesos. Estos
serán los sucesos condicionados.

a. En este caso, la población es de los infantes. Y la característica en común es que sean

menores de 24 meses. Por lo tanto, la probabilidad de seleccionar un infante menor de 24
meses es un ejemplo de probabilidad total. Su probabilidad será:

b. Para identificar cuando en un ejercicio se hace referencia al teorema de bayes, hay que
partir de reconocer esta es una probabilidad condicionada y que la característica común de los
sucesos condicionantes ya ha ocurrido. Entonces, la probabilidad de que sea niña un infante
menor de 24 meses será:

Infografía
http://www.cmat.edu.uy/~mordecki/notas_probabilidad.pdf
https://es.wikipedia.org/wiki/Teorema_de_Bayes