Probabilidades: Definiciones y

Conceptos.
Apoyos de internet complementado la siguiente informacin.
AUTORES: allanm Webster. Devore.
Docente; Jeaqueline franco pea. Ajustes y actualizacin del presente texto.
Las Probabilidades pertenecen a la rama de la matemtica que estudia ciertos
experimentos llamados aleatorios, o sea regidos por el azar, en que se conocen
todos los resultados posibles, pero no es posible tener certeza de cul ser en
particular el resultado del experimento. Por ejemplo, experimentos aleatorios
cotidianos son el lanzamiento de una moneda, el lanzamiento de un dado,
extraccin de una carta de un mazo de naipes. Ms adelante se ver que debemos
distinguir entre los conceptos de probabilidades matemticas o clsicas de las
probabilidades experimentales o estadsticas.

Probabilidad, Algunas Definiciones bsicas

Espacio Muestral.- Se llama espacio muestral (E) asociado a un experimento
aleatorio, el conjunto de todos los resultados posibles de dicho experimento.
Al lanzar una moneda, el espacio muestral es E = {sale cara, sale sello} E = {c,
s}.
Al lanzar un dado de seis caras, el espacio muestral es
E = {sale 1, sale 2, sale 3, sale 4, sale 5, sale 6}
E = {1, 2, 3, 4, 5, 6}
Al lanzar dos monedas, el espacio muestral es
E = {(c,c), (c,s), (s,c), (s,s)}.
Al lanzar tres monedas, el espacio muestral es E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s),
(s,c,c), (s,c,s), (s,s,c), (s,s,s)}
Evento o Suceso. Se llama evento o suceso a todo subconjunto de un espacio
muestral. Por ejemplo en el espacio muestral E = {1, 2, 3, 4, 5, 6} del lanzamiento
de un dado, los siguientes son eventos:
1. Obtener un nmero primo A = {2, 3, 5}
2. Obtener un nmero primo y par B = {2}
3. Obtener un nmero mayor o igual a 5 C = {5, 6}
Eventos mutuamente excluyentes.- Dos eventos son mutuamente excluyentes
si no pueden ocurrir en forma simultnea, esto es, si y slo si su interseccin es
vaca. Por ejemplo, en el lanzamiento de un dado los eventos B = {2} y C = {5, 6}
son mutuamente excluyentes por cuanto
B C=

Eventos Complementarios.- Si A
eventos complementarios: Ac = B y
Bc = A

B= yA

B = E, se dice que A y B son

Su Medicin Matemtica o Clsica. Si en un experimento aleatorio todos los

resultados son equiprobables (iguales probabilidades), es decir, la ocurrencia de
uno es igualmente posible que la ocurrencia de cualquiera de los dems, entonces,
la probabilidad de un evento A es la razn:
P(A) = nmero de casos favorables para A/nmero total de casos posibles
A partir de esta definicin las probabilidades de los posibles resultados del
experimento se pueden determinar a priori, es decir, sin realizar el experimento.
Se deduce de la definicin lo siguiente:
0 P(A) 1 La medicin probabilstica es un nmero real entre 0 y 1, inclusive, 0%
P(A) 100% en porcentaje.
P( ) = 0 y P(E) = 1
Su Medicin Experimental o Estadstica.- La frecuencia relativa del resultado A
de un experimento es la razn
FR = nmero de veces que ocurre A/nmero de veces que se realiza el experimento
Si el experimento se repite un nmero grande de veces, el valor de FR se
aproximar a la medicin probabilstica P del evento A. Por ejemplo, si lanzo 100
veces una moneda, el nmero de veces que obtengo cara es cercano a 50, o sea FR
es cercano a 50%.

Probabilidades Como Conjuntos

1) E: espacio muestral o conjunto de todos los resultados posibles.
2) A

B: al menos uno de los eventos A B ocurre.

3) A

B: ambos eventos ocurren

4) Ac: el evento A no ocurre.

Ejemplo: en el experimento "lanzar un dado de seis caras" sean los eventos:
A = sale par, B = sale primo.
El evento "A B" = A B: "sale par o primo" se describe:

Si E es un conjunto de n elementos y A un subconjunto de k elementos, entonces

P(A) = k/n, concordando con la definicin de las probabilidades.

Propiedades

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

1) Si A

2)

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

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

3) Si A B
P(A

entonces
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 A.

Ejemplos de Uso de las Propiedades.Por cada propiedad se entrega un ejercicio resuelto.

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

2. P(A) + P(Ac) = 1. En el mismo experimento anterior de sacar una carta, el

evento A: "no sale rey" tiene como complemento al evento "sale rey",
entonces resulta mas simple calcular la probabilidad de A como 1 - P(Ac):
P(no sale rey) = 1 - P(sale rey) = 1 - 4/52 = 12/13

3. P(A B) = P(A) + P(B) - P(A B). En el lanzamiento de un dado de seis

caras, los eventos A: "sale par" y B: "sale primo" tienen iterseccin no vaca:
A B = {2}, entonces la probabilidad del evento "sale par o primo" = A B
es
P(A o B) = P(A B) = P(A) + P(B) - P(A B)
= 3/6 + 3/6 - 1/6 = 5/6

4. 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

5. 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]. 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?
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.

Ejercicios de Probabilidades
1) Al lanzar un dado tres veces, segn las probabilidades,
es conveniente apostar a favor o en contra de obtener al menos una vez el 2?
"Al menos una vez el 2" quiere decir "alguna vez
se obtiene el 2". Llamando A={alguna vez se obtiene
el 2}, su complemento es
Ac={ninguna vez se obtiene el 2}
P(Ac)=P(no sale 2 en 1er lanzam.) P(no sale 2 en 2
lanzam.)P(no sale 2 en 3er lanzam.)=5/65/65/6
=125/216 0,58.
Luego, como P(A)+P(Ac)=1
P(A)=1-0,58=0.42=42%. Por lo tanto, no conviene
apostar a favor.

2) En una tmbola hay dos bolitas blancas y tres bolitas negras, cul es la
probabilidad de sacar una blanca y despus una negra?
a) Si hay reposicin, esto es, despus de sacar la
primera bolita, sta se devuelve a la tmbola.
b) Si no hay reposicin, esto es, despus de sacar
la primera bolita, sta no se devuelve a la tmbola.
a) En este caso los eventos son independientes ya
que al reponer la bolita la ocurrencia de un evento no

afecta al otro.
Sean los eventos A: "sacar una bolita blanca" y B:
"sacar una bolita negra", entonces, usando
P(A B)=P(A)P(B), P(A B)=2/53/5=6/25
b) Si no hay reposicin, los eventos son dependientes
ya que la bolita no es repuesta a la tmbola, por lo que
ocupamos
P(A B)=P(A)P(B/A)=2/53/4=3/10
3) Repita el problema 2) anterior, pero ahora la pregunta es cul es la probabilidad
de sacar una blanca y una negra? (note que ahora no importa el orden).
a) Si hay reposicin, esto es, despus de sacar la
primera bolita, sta se devuelve a la tmbola
b) Si no hay reposicin, esto es, despus de sacar
la primera bolita, sta no se devuelve a la tmbola.
a) Usando la definicin, el nmero total de casos
posibles es 55=25 y el nmero de casos favorables
es 23+32=12(una blanca y una negra una negra
y una blanca), luego, P(A)=12/25=48%. O bien,
usando las propiedades,
P(A)=P(sacar blanca)P(sacar despus negra)
+ P(sacar negra)P(sacar despus
blanca)=2/53/5+3/52/5=12/35=48%
b) Nmero de casos posibles: 54=20 y el nmero de
casos favorables =23+32=12, luego,
P(B)=12/20=3/5=60%.
O bien, usando las propiedades
P(B)=P(sacar blanca)P(sacar negra/sabiendo que
ha salido blanca) +P(sacar negra)P(sacar
blanca/sabiendo que ha salido negra)
=2/53/4+3/52/4=3/5=60%
4) Para obtener licencia para conducir, es necesario aprobar tanto el examen terico
como el prctico. Se sabe que la prob. que un alumno apruebe la parte terica es
0,68, la de que apruebe la parte prctica es 0,72 y la de que haya aprobado alguna
de las dos partes es 0,82. Si se elige un alumno al azar, cul es la prob. de que
apruebe el examen para obtener licencia?
Sea A: aprobar la parte terica, (P(A)=0,68)
Sea B: aprobar la parte prctica, (P(B)=0,72)
Debemos calcular la prob. de A y B, P(A B).
Usando P(A B) = P(A)+P(B)-P(A B), despejamos P(A B):
P(A B)=P(A)+P(B)-P(A B) y reemplazando,
P(A B)=0,68+0,72-0,82=0,58=58%

Tcnicas de Conteo

De manera general se considera la probabilidad de un evento, como

el nmero de eventos positivos partido el nmero eventos global en el
espacio muestral. Pero para determinar este ltimo valor, hay varias formas
para hacerlo, en esto consisten las tcnicas de conteo.

Principio fundamental del conteo:

Hiptesis: Un evento puede realizarse de n 1 maneras, un segundo de n 2
maneras y un k-simo evento de nk maneras.
Conclusin: El nmero de maneras en que puede suceder una sucesin de
los k eventos en el orden indicado es de:
n1*n2*...*nk

Demostracin:
Por induccin sobre el nmero de eventos tenemos que para el primer
evento, tenemos n1 formas de hacerlo y no hay nada que probar.
Supongamos que para k-1 eventos el nmero de maneras en que suceden
es n1n2...nk-1 entonces, para los k eventos, tenemos que para cada uno de
los nk eventos tenemos n1n2...nk-1 maneras de realizarlos, por lo que existen
n1n2...nk formas de que los eventos sucedan, por lo tanto queda probado el
principio fundamental de conteo.

Ejemplo:

Supongamos que existe un cdigo de seguridad que intercala dos

letras con dos nmeros y deseamos saber el nmero de cdigos que se
pueden emitir en total:

Tomemos 26 letras y 10 nmeros, entonces el nmero sera de:

26*10*26*10=676,000 cdigos

Permutaciones

En ocasiones es necesario tomar de una lista de n objetos, r

elementos y colocarlos en un orden determinado, a esto se le llama una
permutacin de los n objetos r tomados. La notacin que utilizaremos ser
nPr, que dice que de n objetos permutamos r de ellos, claro est que esta
funcin est definida en los nmeros enteros y que no es posible que r>n,
porque no podramos tomar ms objetos que los n disponibles.

Teorema:
Hiptesis: Existen n elementos de los cuales se eligen en orden r.
Conclusin: Entonces el nmero de posibles formas en que se elijan los
elementos es

nPr=n!/(n-r)!=(n-r+1)*(n-r+2)**(n)

Demostracin :

Por induccin, si deseamos tomar un solo elemento, existen

efectivamente n formas de hacerlo que coincide con la hiptesis del
teorema, supongamos que para r-1 elementos a tomar, en realidad existen
n!/(n-r+1)! formas de hacerlo.

Desarrollemos esta ltima expresin: 1*2*3*...(n-r+1)*(n-r+2)*...*n/

(1*2*3*...*(n-r+1))=(n-r+2)* (n-r+3)*...*n, entonces para tomar el r-simo
elemento tendramos el nmero de formas en que suceden los eventos
anteriores y el nmero de formas en que sucede el ltimo evento (de
acuerdo con el principio general de conteo) por lo tanto, para tomar el r-

simo elemento, existen n-r+1 formas de hacerlo, debido a que se han

sacado (r-1) elementos (n-(r-1))=n-r+1, por lo tanto, obtenemos que el
nmero de formas para tomar los r elementos es:

(n-r+1)*(n-r+2)**(n)=nPr

Con lo que queda mostrado el teorema.

Corolario:
Hiptesis: Se tienen n elementos y se eligen n al azar
Conclusin: La forma en que se pueden extraer es n!

La demostracin es obvia sustituyendo n en lugar de r en el teorema

precedente.

Permutaciones con repeticiones

Teorema:
Hiptesis: Sea el nmero de objetos de los cuales hay n 1 iguales entre s,
n2, ... nk iguales entre s.
Conclusin:
n!/(n1!...nk!)
Es el nmero de permutaciones distintas de dichos objetos.

Demostracin:
Supongamos que tenemos 1 objeto que se repite n 1 veces y que n es
un nmero cualquiera, entonces tenemos que existen r=n-n1 objetos

distintos entre s, los cuales se agrupan en n!/(n-r)! formas distintas, con lo

que tenemos que el teorema cumple para el caso 1.

Supongamos que hay k-1 objetos que se repiten n 1, n2, ..., nk-1 veces
respectivamente y que el nmero de formas en que se permutan es
m!/(n1!*n2!*...*nk-1!)
Donde m=n1+n2+...+nk-1, entonces, si ahora introducimos nk-1
elementos de un k-simo objeto, entonces tenemos que el mismo se repite
nk veces, por el principio fundamental de conteo, entonces habra m!/(n 1!
*n2!*...*nk-1!), multiplicado por el nmero de formas en que se puede
permutar dicho elemento, lo cual es n!/(n-n k)!, pero si tomamos n=
n1+n2+...+nk, tendremos que n=m+nk m=n-nk , de donde el nmero de
formas en que se pude agrupar es
(m!/(n1!*n2!*...*nk-1!))*( n!/(n-nk)!)= (m!/(n1!*n2!*...*nk-1!))*( n!/(m)!)= n!/
(n1!...nk!)
que es lo que se deseaba mostrar.

Combinaciones:

Para estudiar este problema, dmonos una coleccin de n objetos.

Entonces si tomamos r elementos sin importar el orden en que los
tomemos, decimos que hemos realizado una combinacin de r elementos de
los n disponibles. El nmero posible de combinaciones de r elementos de n
disponibles lo denotaremos por:
nCr
Teorema:
Hiptesis: Existen n elementos en un conjunto de los cuales se toman r.
Conclusin: El nmero de posibles combinaciones es:
NCr=n!/ (r!*(n-r)!)

Demostracin

Sabemos que si tomamos r elementos de una coleccin de n, si nos

fijamos del orden en que lo tomamos, tenemos n!/(n-r)!, pero a la vez, si
consideramos que en una combinacin no importa el orden. Sabemos que
para colocar r elementos en r posiciones hay r! formas de hacerlo, as que
para cada una de las n!/(n-r)! formas en que se pueden tomar los elementos
hay que quitar r!, tenemos que precisamente hay n!/(r!*(n-r)!) distintas
combinaciones de r elementos de n posibles.

TEOREMA DE BAYES

DEFINICIN

El Teorema de Bayes, dentro de la teora probabilstica, proporciona la distribuc

de probabilidad condicional de un evento "A" dado otro evento "B" (probabilida
posteriori), en funcin de la distribucin de probabilidad condicional del evento
dado "A" y de la distribucin de probabilidad marginal del evento "A" (probabili
simple o apriori).

Partiendo de las frmulas de probabilidad condicional

y probabilidad
conjunta
para eventos estadsticamente dependientes se proceder
enunciar el Teorema de Bayes.

Sean , ... eventos mutuamente excluyentes tales que, cualquier evento B e

espacio muestral pertenece a uno y slo a uno de estos evento. Entonces la
probabilidad de que ocurra cualquier evento dado que ha ocurrido el evento B
calcular por la siguiente frmula:

Por lo tanto, sustituyendo la frmula de probabilidad condicional, se obtiene la

frmula general para el Teorema de Bayes:

Donde:

El numerador es la probabilidad conjunta:

El denominador es la probabilidad marginal de que ocurra el evento B

Como "A" y "B" son eventos estadsticamente dependientes, el Teorema de Bay

puede representar tambin utilizando el diagrama de rbol.