Apunte 3 - Probabilidad - Guadalupe Montes Martin

Vista previa del material en texto

3.3. PROBABILIDAD
CONTENIDO
3 PROBABILIDAD................... 46
3.1 INTRODUCCION.........................................................46
3.2 LENGUAJE DE LA PROBABILIDAD...................... 46
3.3 DEFINICIONES DE PROBABILIDAD...................... 48
3.3.1 DEFINICION FRECUENCIAL DE PROBABILIDAD.............................. 48
3.3.2 DEFINICION CLASICA DE PROBABILIDAD O DE LAPLACE........... 50
3.3.3 PROBABILIDAD SUBJETIVA.................................................................... 51
3.4 PROPIEDADES DE LA PROBABILIDAD............ 51
3.5 REGLAS DE LA PROBABILIDAD........................ 51
3.5.1 PROBABILIDAD SIMPLE (o MARGINAL).......................................... 52
3.5.2 PROBABILIDAD CONJUNTA................................................................. 53
3.5.3 REGLA DE LA SUMA.................................................................................. 54
3.5.4 PROBABILIDAD CONDICIONAL............................................................. 55
3.5.5 INDEPENDENCIA ESTADÍSTICA............................................................. 56
3.5.6 REGLA DE LA MULTIPLICACIÓN....................................................... 57
3.5.7 TEOREMA DE LAS PROBABILIDADES TOTALES............................ 59
3.5.8 TEOREMA DE BAYES............................................................................... 60
3.6 TRABAJO PRÁCTICO................................................62
PROBABILIDAD
3 PROBABILIDAD
3.1 INTRODUCCION
Tal vez esté familiarizado con algunas ideas de probabilidad, ya que ésta forma parte de la 
cultura cotidiana. Con frecuencia se escucha a personas que hacen afirmaciones relacionadas 
con la probabilidad como las siguientes:
 Probablemente nuestro equipo gane esta noche.
 Hay un 40 % de probabilidad de que llueva mañana.
 Tengo una posibilidad de 50-50 de aprobar el examen de estadística de hoy.
 Es más probable que nos encontremos un fin de semana que un día de la semana.
¿Qué significan exactamente este tipo de expresiones? ¿Significan de hecho lo que afirman?. 
Algunas afirmaciones pueden estar basadas en información científica y otras en prejuicios 
subjetivos. Cualquiera que sea el caso, son inferencias probabilísticas: no hechos, sino 
conjeturas.
Como ya se vio en el ejemplo de las elecciones de gobernador e intendente (capítulo 1, pag. 
5), no se puede tener la certeza de que el porcentaje de votos obtenido por un candidato 
cualquiera aparezca en una muestra aleatoria. Sin embargo, es “probable” que el porcentaje 
en la muestra resulte “próximo” al que se obtuvo en el acto eleccionario.
Se tiene como propósito definir “probable”, “próximo”, de manera más precisa. 
Para ello es necesario considerar en primer término una serie de nociones básicas sobre el 
conocimiento de las “leyes de probabilidad”. 
En este capítulo se estudiará el concepto básico de probabilidad y sus reglas aplicadas a 
sucesos simples y sucesos compuestos.
La teoría de la probabilidad es la base de la inferencia estadística y un instrumento esencial 
en el análisis de la variabilidad.
 
3.2 LENGUAJE DE LA PROBABILIDAD
 Experimento aleatorio
Es el tipo de fenómenos de que nos ocuparemos. Se caracterizan porque:
 aunque no se puede saber el resultado particular que ocurrirá, se puede describir el 
conjunto de todos los resultados posibles
 después de un gran número de repeticiones de la experiencia aleatoria, existe una 
distribución regular de los resultados. Es decir, a medida que el experimento se repite 
los resultados parecen ocurrir de manera caprichosa, sin embargo, ante un gran 
número de repeticiones aparece un modelo definido de regularidad. Esta regularidad 
hace posible la construcción de un modelo matemático que permite el análisis del 
experimento.
 Esto se puede visualizar en el ejemplo del lanzamiento de una moneda (ver punto. 
3.3.1, pag. 49).
G.Carnevalli-E.Franchelli-G.Gervasoni
46
PROBABILIDAD
“Aleatorio” en estadística no significa de cualquier manera, sino que se refiere a una 
clase de orden que únicamente aparece a largo plazo.
 Espacio muestral y sucesos
 En una experiencia aleatoria cada resultado se conoce con el nombre de suceso.
 Se llama suceso elemental a todo resultado simple. Por ejemplo, si se considera la 
experiencia aleatoria de tirar un dado, cada uno de los resultados: 1, 2, 3, 4, 5 y 6 son 
sucesos elementales.
 Al conjunto de todos los sucesos elementales posibles se lo llama espacio muestral 
(S)
En el ejemplo S = {1, 2 , 3 , 4 , 5 , 6 }
Simbólicamente: S = {s1, s2, s3..... }
El espacio muestral puede ser finito o infinito, numérico o no numérico 
 Un suceso que no puede ocurrir ante una repetición de la experiencia aleatoria es un 
suceso imposible. Se lo suele indicar ∅.
 Relaciones entre sucesos
Sean A, B y C sucesos asociados a una experiencia aleatoria. Las posibles relaciones 
entre los mismos se muestran a continuación gráfica y simbólicamente:
a 
 Complemento A ∪ A = S
 
b
 Mutuamente excluyentes A ∩ B = ∅
c
 No mutuamente excluyentes A ∩ B ≠ ∅
 El complemento de cualquier suceso es el conjunto de resultados que no están 
contenidos en ese suceso.
G.Carnevalli-E.Franchelli-G.Gervasoni
47
 S
 A 
 
 B
S
 _
 A A
 S
B
A
PROBABILIDAD
 Los sucesos son mutuamente excluyentes si la ocurrencia de uno de ellos impide la 
ocurrencia del otro.
Es importante distinguir el conjunto resultante de la unión ( ∪ ) o intersección ( ∩ ) de 
sucesos: 
 Si A y B son sucesos, A ∪ B es el suceso que ocurre si y sólo si A o B (o ambos) 
ocurren.
 Si A y B son sucesos, A ∩ B es el suceso que ocurre si y sólo si A y B ocurren 
simultáneamente.
 Ejercicios 
Considerando la experiencia aleatoria de arrojar un dado y registrar el nº de la cara superior:
a) Si se pensara en tirar el dado un número infinito de veces: defina la población y clasifíquela.
b) Proponga para la experiencia aleatoria:
- un suceso elemental
- un suceso imposible
- dos sucesos mutuamente excluyentes
- dos sucesos no mutuamente excluyentes
3.3 DEFINICIONES DE PROBABILIDAD
3.3.1 DEFINICION FRECUENCIAL DE PROBABILIDAD
En el punto 3.2.1. se han definido las características de un experimento aleatorio. Un ejemplo 
de experiencia aleatoria es el lanzamiento de una moneda. Cuando se lanza una moneda al 
aire sólo hay dos resultados posibles, cara o cruz. El resultado no se puede predecir de 
antemano y variará cuando se lance en forma repetida, sin embargo se observa una cierta 
regularidad en los resultados, una regularidad que sólo emerge después de muchas 
repeticiones.
La figura 3.1 muestra la regularidad observada al lanzar una moneda 1000 veces. Para cada 
lanzamiento, desde el primero hasta el último, se ha representado la proporción de 
lanzamientos que han dado “cara” hasta ese momento. El primer lanzamiento fue cara, por 
tanto, la proporción de caras empieza siendo 1. El segundo lanzamiento fue cruz. Después de 
los dos lanzamientos, la proporción de caras se ha reducido a 0.5. Los siguientes tres 
lanzamientos dieron una cruz seguida de dos caras, por consiguiente, la proporción de caras 
después de cinco lanzamientos es 3/5 ó 0,6.
La proporción de lanzamientos que dan cara es bastante variable al principio, pero 
posteriormente se estabiliza a medida que se hacen más y más lanzamientos. Llega un 
momento en que esta proporción se acerca a 0,5 y se mantiene en ese valor. Se dice que 0,5 
es la probabilidad de que salga cara.
Una probabilidad de 0,5 significa que el suceso cara “ocurre la mitad de las veces después de 
muchos lanzamientos”. En otras palabras, se puede decir que si se arrojara un gran número 
de veces esa moneda al aire, aproximadamente el 50 % de las veces se observaríael 
G.Carnevalli-E.Franchelli-G.Gervasoni
48
PROBABILIDAD
resultado cara o expresándolo en los términos anteriormente vistos, la frecuencia relativa del 
suceso cara sería aproximadamente 0,5.
Figura 3.1
Formalizando, se define: 
ε : lanzar una moneda al aire y registrar el resultado 
El espacio muestral asociado a ε : S = { C ; X }
Sea:
s1: cara
n1: frecuencia absoluta del suceso s1
n : nº de repeticiones del ε 
 ( )
n
nsf 11 = : proporción de veces que se verifica cara en n tiradas.
Generalizando: 
( ) ( )in
i
i sPn
nsf  →=
∞→
Es decir, la probabilidad de un suceso (o resultado) es el número hacia el cual tiende la 
frecuencia relativa del mismo cuando el número de repeticiones de la experiencia tiende a 
infinito. Es decir, es una frecuencia relativa calculada en la población.1
Esta definición de probabilidad se conoce como definición frecuencial de probabilidad2.
1 La interpretación de la probabilidad como frecuencia relativa en el límite se basa en la observación de un gran 
número de repeticiones. Surge ahora la pregunta, ¿cuántas repeticiones se deben realizar? Como veremos en el 
capítulo 6, con un número finito de repeticiones de la experiencia es posible aproximar la verdadera probabilidad 
de un suceso.
2 Este efecto estabilizador de la frecuencia relativa cuando el número de observaciones crece se denomina Ley de 
los grandes números.
G.Carnevalli-E.Franchelli-G.Gervasoni
49
Pr
op
or
ci
ón
 d
e 
ca
ra
s
Número de lanzamientos
PROBABILIDAD
3.3.2 DEFINICION CLASICA DE PROBABILIDAD O DE LAPLACE
Se ha considerado a la probabilidad de ocurrencia de un resultado determinado de una 
experiencia aleatoria, como la proporción de veces (frecuencia relativa) que se obtiene dicho 
resultado después de una gran cantidad de repeticiones.
Sin embargo, considerando la experiencia aleatoria de arrojar una moneda, se podría haber 
conjeturado sin repetir dicha experiencia, que la probabilidad de obtener el resultado “cara” es 
0,5.
Esto se sustenta en que si la moneda no está cargada, cada resultado tiene la misma chance 
de ocurrir. Esta descripción permite introducir lo que se conoce como definición clásica de 
probabilidad o de Laplace. Esta definición sólo puede ser aplicada si:
 el espacio muestral S consta de un número finito de resultados
S = {s1, s2,......... sk}
 todos los resultados son igualmente probables
 ( ) ( ) ( )ksPsPsP === 21
Al igual que en las frecuencias relativas, la sumatoria de las probabilidades de todos los 
sucesos posibles es igual a 1:
( ) ( )
ki
sP
k
i
isP
11
1
=⇒=∑
=
y por lo tanto, si 
r
i
isA
1=
= donde r ≤ k
entonces
∑
=
==
r
i k
r
ispAP
1
)()(
Suele enunciarse como:
posiblesresultadosden
AafavorablesresultadosdenAP
º
º)( =
G.Carnevalli-E.Franchelli-G.Gervasoni
50
PROBABILIDAD
3.3.3 PROBABILIDAD SUBJETIVA
En los dos enfoques de probabilidad desarrollados anteriormente, se definió a la probabilidad 
como la proporción de resultados favorables respecto al total de resultados. En la primera 
situación, dicha proporción se basa en datos observados y en la segunda en el conocimiento 
previo de un proceso (número finito de resultados igualmente probables).
El tercer enfoque de probabilidad se llama probabilidad subjetiva y se refiere a la probabilidad 
asignada a un suceso por una persona en particular. La misma puede ser bastante diferente de 
la probabilidad subjetiva que estipula otra persona.
Si un equipo de administración piensa que hay una probabilidad de 0.35 de que un nuevo 
producto tenga éxito en el mercado, esto constituye una probabilidad subjetiva. El valor 0.35 es 
una opinión, más que un valor basado en una evidencia objetiva.
Este tipo de probabilidad es frecuente en la toma de decisiones en el mercado, siendo 
confiable si la determina un experto en la materia.
3.4 PROPIEDADES DE LA PROBABILIDAD
Cualquiera sea el enfoque utilizado para determinar la probabilidad de un suceso A, ésta debe 
verificar ciertas propiedades:
 Cualquier probabilidad es un número entre 0 y 1 → ( ) 1AP0 ≤≤
 Todos los resultados posibles juntos deben tener una probabilidad de 1 → P(S) = 1
 La probabilidad de que un suceso ocurra es igual a 1 menos la probabilidad de que no 
ocurra → ( ) ( )AP1AP −=
 La probabilidad del suceso imposible es 0 → P ( ∅ ) = 0
 Si dos sucesos no tiene resultados en común, la probabilidad de que ocurra cualquiera 
de ellos es igual a la suma de sus probabilidades individuales.
3.5 REGLAS DE LA PROBABILIDAD
Existen varias manera de observar un espacio muestral específico. El método que se utiliza a 
continuación implica ubicar los sucesos en una tabla de doble entrada o tabla de contigencia3.
En la tabla siguiente se muestra el número de alumnos varones y mujeres ingresantes en 
las distintas carreras de la U.T.N. Rosario, durante el año 2003:
3 Este tipo de tablas fue utilizada para presentar la información de los ejercicios 5 y 6 que se proponen como trabajo 
práctico en Estadística Descriptiva (pags. 40-41). 
G.Carnevalli-E.Franchelli-G.Gervasoni
51
PROBABILIDAD
Carrera
Sexo I.S.I.
Ingeniería
Mecánica
Ingeniería
Química
Ingeniería
Eléctrica
Ingeniería
Civil Total
Mujer 141 2 50 1 8 202
Varón 496 129 90 68 58 841
Total 637 131 140 69 66 1043
Se considera
 la experiencia aleatoria : seleccionar un alumno al azar de los ingresantes a la Facultad 
durante el año 2003
 asociados a la variable cualitativa “sexo”, los sucesos:
 M: ingresante mujer V: ingresante varón
 asociados a la variable cualitativa “carrera a la que ingresa”, los sucesos:
 I : ingresante a I.S.I. F: ingresante a Ing. Mecánica
Q: ingresante a Ing. Química E: ingresante a Ing. Eléctrica
C: ingresante a Ing. Civil
En los puntos siguientes se desarrollarán reglas para obtener diferentes tipos de probabilidad y 
para su compresión nos basaremos en la situación planteada anteriormente.
3.5.1 PROBABILIDAD SIMPLE (o MARGINAL)
La probabilidad simple se refiere a la probabilidad de ocurrencia de un suceso simple. Son 
probabilidades simples los ejemplos que se presentan:
 Probabilidad de seleccionar un ingresante mujer:
( ) 19,0
1043
202 ===
singresantedetotal
mujeressingresantedenúmeroMP
 Probabilidad de seleccionar un ingresante varón:
( ) 81,0
1043
841 ===
singresantedetotal
onesvarsingresantedenúmeroVP
Observe que los sucesos V y M son sucesos complementarios y por lo tanto, la suma de sus 
probabilidades es igual a 1.
G.Carnevalli-E.Franchelli-G.Gervasoni
52
PROBABILIDAD
 Probabilidad de seleccionar un ingresante a I.S.I.:
( ) 61,0
1043
637... ===
singresantedetotal
ISIasingresantedenúmeroIP
3.5.2 PROBABILIDAD CONJUNTA
Cuando se está interesado en conocer la probabilidad de que dos sucesos se verifiquen 
simultáneamente, se habla de probabilidad conjunta. Por ejemplo se puede estar interesado 
en conocer cuál es la probabilidad de seleccionar un alumno del sexo femenino y que sea 
ingresante en I.S.I.. Este suceso se expresa como M ∩ I y la probabilidad se obtiene de la 
siguiente forma:
( ) ( ) 14,0
1043
141...IMIM ===∩=
singresantedetotal
ISIainscriptosemujeressingresantedenúmeroPyP 
En la tabla siguiente se presenta la distribución de probabilidades conjuntas y las marginales 
respectivas. La distribución marginal está compuesta por el conjunto de probabilidades simples 
de los sucesos asociados a cada variable4:
Carrera
Sexo I F Q E C
Distribución 
marginal de 
sexo
M 0,14 0 0,05 0 0 0,19
V 0,47 0,12 0,09 0,07 0,06 0,81
Distribución 
marginal de 
carrera
0,61 0,12 0,14 0,07 0,06 1
Ahora se puede ver la probabilidad de un suceso simple como la suma de las probabilidades 
conjuntas que incluyen dicho suceso. Por ejemplo, se puede pensar la P (M) como:
( ) ( ) ( ) ( ) ( ) ( )
19,00005,0014,0 =++++=
=∩+∩+∩+∩+∩= MCPMEPMQPMFPMIPMP
4 En las celdas sombreadas se presenta la distribuciónde las probabilidades conjuntas.
G.Carnevalli-E.Franchelli-G.Gervasoni
53
PROBABILIDAD
En general
∑ ∩=
=
k
1i
i )BA(P)B(P
Donde A1 , A2, ....... Ak son k sucesos mutuamente excluyentes. 
3.5.3 REGLA DE LA SUMA
Para calcular la probabilidad de que ocurra cualquier suceso, A o B, se usa la regla de la 
suma. 
Esta regla considera que pueden ocurrir el suceso A, el suceso B o ambos sucesos Ay B.
Regla de la suma
)∩ ( − )( + )( = ∪= BΑPΒPΑP)B A ( P ) B o A ( P
La probabilidad del suceso A y B se resta de esta suma porque se incluye dos veces al 
calcular la probabilidad de A y la probabilidad de B. Esto se podrá visualizar en el siguiente 
ejemplo:
 Retomando el ejemplo de los ingresantes a la UTN, podríamos estar 
interesados en conocer la probabilidad de seleccionar un ingresante varón o a 
la carrera de Ingeniería Química. Aplicando la regla se obtiene:
( ) ( ) ( ) ( ) 86,009,014,081,0 =−+=∩−+=∪ QVPQPVPQVP
El cálculo de la probabilidad del suceso anterior puede pensarse también de la siguiente 
forma:
( ) ( ) ( ) ( ) 86,009,005,072,0 =++=∩+∩+∩=∪ QVPQVPQVPQVP
 Regla de la suma para sucesos mutuamente excluyentes
Para sucesos mutuamente excluyentes, la regla de la suma se reduce a:
P ( A ∪ B ) = P ( A ) + P ( B ) [ ya que P ( A ∩ B ) = 0 ]
G.Carnevalli-E.Franchelli-G.Gervasoni
54
 
 QV ∩
 
 
 
 S
 V∩Q
PROBABILIDAD
 Regla de la suma para más de dos sucesos
Esta regla se extiende para calcular la probabilidad de ocurrencia de la unión de más de 
dos sucesos cualesquiera.
En el caso de tres sucesos ( A, B y C ), se demuestra fácilmente : 
( ) )CBA(P)CB(P)CA(P)BA(P)C(P)B(P)A(PCBAP ∩∩+∩−∩−∩−++=∪∪
3.5.4 PROBABILIDAD CONDICIONAL
Hasta ahora se consideró la probabilidad de ocurrencia de un suceso cuando se realiza una 
selección aleatoria a partir de un espacio muestral completo. Sin embargo muchas veces se 
conoce cierta información acerca de los sucesos implicados en la experiencia aleatoria. En 
estas situaciones, cuando se calcula la probabilidad de que ocurra un suceso dado que se 
cuenta con la información de la ocurrencia de otro, se está ante una probabilidad 
condicional. Veamos esta situación a través del ejemplo de los alumnos ingresantes:
Se consideran los sucesos M : ingresante mujer 
 I : ingresante a I.S.I. 
Supongamos que al realizar la experiencia aleatoria fue seleccionado un alumno ingresante a 
la carrera I.S.I.; es decir, se verificó el suceso I. Interesa conocer la probabilidad de que el 
alumno seleccionado sea mujer.
Este es un ejemplo de probabilidad condicional y se lo denota como ( )IMP , e indica la 
probabilidad condicional del suceso M sabiendo que se verificó el suceso I.
El cálculo de esta probabilidad puede hacerse por dos caminos:
 El conocimiento de que el alumno seleccionado es un ingresante a la carrera I.S.I. reduce el 
espacio muestral S al espacio muestral reducido I.
Por lo tanto :
( ) →== 22,0
637
141
I
MP probabilidad de M en el espacio muestral reducido I
 El cálculo de la probabilidad condicional a partir de probabilidades calculadas en el espacio 
muestral original es :
( ) 22,0
611,0
135,0
043.1
637
043.1
141
637
141 ====I
MP
G.Carnevalli-E.Franchelli-G.Gervasoni
55
PROBABILIDAD
Como )I(Py)IM(P =∩= 043.1
637
1043
141
Se puede expresar:
( ) 0P(I)con
P(I)
)IM(P
I
MP ≠∩=
Si se compara P(M) (igual a 0,19) y P(M / I ) (igual a 0,22), se observa que el conocimiento 
de que el suceso I ocurrió modifica la probabilidad de ocurrencia del suceso M.
Generalizando:
Sean A y B dos sucesos asociados con un experimento ε, P(B/A) indica la probabilidad 
condicional del suceso B sabiendo que A se ha verificado.
De acuerdo a lo visto en el ejemplo, el cálculo de P(B/A) se puede realizar a partir de:
 espacio muestral reducido
 espacio muestral original aplicando la siguiente fórmula:
(A)P
A)(BP)AB(P ∩= con P ( A ) ≠ 0 (1)
Con el mismo razonamiento:
)B(P
)BA(P)BA(P ∩= con P ( B ) ≠ 0 (2)
3.5.5 INDEPENDENCIA ESTADÍSTICA
Como dijimos anteriormente, la probabilidad de seleccionar un ingresante mujer es 0,19; sin 
embargo la probabilidad de seleccionar un ingresante mujer cuando se sabe que el ingresante 
seleccionado pertenece a ISI, incrementa el valor a 0,22. Este resultado está condicionado por 
la información previa.
A diferencia de este ejemplo, cuando el resultado de un suceso no afecta la probabilidad de 
ocurrencia de otro suceso, se dice que los sucesos son estadísticamente independientes.
G.Carnevalli-E.Franchelli-G.Gervasoni
56
PROBABILIDAD
En general:
Los sucesos A y B son independientes si la ocurrencia de uno no afecta en ninguna forma las 
posibilidades de que el otro ocurra.
En consecuencia:
( ) ( ) (B)PABPo(A)PBAP ==
 Se demuestra que si:
A independiente de B ⇒ B independiente de A
y también resultan independientes By Ay By A , By A
 Volviendo a la situación planteada anteriormente, los sucesos M e I no son 
independientes ya que:
( ) ( )
( ) ( )IPP
yMPP
M
I
I
M
≠
≠
Analizando los resultados obtenidos se puede deducir que el conocer que un suceso ha 
ocurrido puede aumentar, disminuir o no modificar la probabilidad de ocurrencia de otro suceso 
relacionado con el primero. En el caso particular de que un suceso no modifique la probabilidad 
de ocurrencia de otro, se dice que los sucesos son independientes. 
3.5.6 REGLA DE LA MULTIPLICACIÓN
La fórmula de la probabilidad condicional se puede manipular algebraicamente de modo que la 
probabilidad conjunta se puede determinar a partir de la probabilidad condicional de un suceso. 
De las ecuaciones (1) y (2) de la página 56, resulta: 
)A(P.)AB(P)B(P.)BA(P)BA(P ==∩
Esta regla puede aplicarse si se tiene que calcular la probabilidad de que ocurran 
conjuntamente tres o más sucesos cualesquiera. Generalizando para n sucesos:
)1-nA2A1AnA(P)2A1A3A(P.)1A2A(P.)1(APiA
n
1i
P  =



=
G.Carnevalli-E.Franchelli-G.Gervasoni
57
PROBABILIDAD
Para la aplicación de la regla de la multiplicación, es importante determinar si los sucesos son 
o no independientes.
Luego, si A y B son sucesos independientes, la regla de la multiplicación resulta:
)B(P.)A(PB)(AP =∩
Generalizando la regla de la multiplicación a más de dos sucesos independientes:
∏=
==
n
1i
ii
n
1i
)A(P)A(P 
 Ejercicios 
1. Suponga que se exhiben 20 marcadores en una librería. De estos, 6 son rojos y 14 son 
azules. Se seleccionan al azar 2 marcadores del conjunto de 20. Encuentre la probabilidad 
de que los dos marcadores seleccionados sean rojos. (Considere los sucesos A1: el primer 
marcador seleccionado es rojo y A2: el segundo marcador seleccionado es rojo)
2. Suponga la experiencia aleatoria del ejercicio 1 pero considerando que el primero de los 
marcadores elegidos se regresa al mostrador después de determinar su color. Encuentre la 
probabilidad de seleccionar marcadores rojos las dos veces.
G.Carnevalli-E.Franchelli-G.Gervasoni
58
Nota:
Se quiere remarcar la diferencia entre dos conceptos muy importantes: sucesos 
independientes y sucesos mutuamente excluyentes:
 Mutuamente excluyentes indica que los dos sucesos no pueden ocurrir al mismo 
tiempo; por lo tanto su intersección es vacía.
 La independencia indica que un suceso no afecta la probabilidad de ocurrencia del 
otro.
 Dos sucesos no pueden ser a la vez mutuamente excluyentes e independientes. Es 
decir:
- Si dos sucesos son mutuamente excluyentes, entonces no son independientes.
- Si dos sucesos son independientes, entonces no son mutuamente excluyentes.
PROBABILIDAD
3.5.7 TEOREMA DE LAS PROBABILIDADES TOTALES
Muchas veces interesa estudiar la probabilidad de ocurrencia de un suceso, pero sólo se 
conoce la probabilidad de ocurrencia del mismo asociada a otros sucesos relacionados 
(probabilidades condicionadas) y las probabilidades de ocurrenciade estos sucesos.
A continuación se trabaja sobre una situación que ejemplificará lo anteriormente expuesto:
Entre la población económicamente activa de una ciudad, el 40% ha completado el nivel 
de instrucción primario, el 50 % el nivel de instrucción secundario y el 10% la universidad. 
Entre los individuos que tienen educación primaria hay una 10 % de desempleados, entre los 
que tienen educación secundaria un 5 % y entre los graduados universitarios un 2 %. ¿Cuál 
es la probabilidad de que un individuo económicamente activo esté desempleado?
 Sean los sucesos:
 B : desempleado. 
 A1 : nivel de instrucción primario completo.
 A2 : nivel de instrucción secundario completo.
 A3 : nivel de instrucción universitario completo.
 Y sus probabilidades:
P(A1) = 0,40 P(A2) = 0,50 P(A3) = 0,10
P(B/A1) = 0,10 P(B/A2) = 0,05 P(B/A3) = 0,02
Observe que:
A1 , A2 , A3 representan una partición de S y B otro suceso relacionado con Ai .
Se puede expresar:
 B = ( A1 ∩ B ) ∪ ( A2 ∩ B ) ∪ ( A3 ∩ B )
Si se conocen:
Sucesos A1 A2 A3 Probabilidad
B 0,04 0,025 0,002 0,067
B 0,36 0,475 0,098 0,933
P (Ai) 0,40 0,50 0,10 1
Luego,
 
( )
067.002.01.005.05.01.04.0
ABP.)(AP)B(AP)(BP
3
1i
3
1i
iii
=⋅+⋅+⋅=
==∩= ∑ ∑
= =
Esto indica que un 6.7 % de los trabajadores están desempleados.
G.Carnevalli-E.Franchelli-G.Gervasoni
59
PROBABILIDAD
Generalizando
Esta aplicación se conoce como Teorema de las probabilidades totales.
Para resolver este tipo de problemas también es útil recurrir a un diagrama de “árbol”:
P (B/A1)
 _
 P (B/A1)
P (B/A2)
 _
P (B/A2)
 P (B/A3)
 _
P (B/A3)
3.5.8 TEOREMA DE BAYES
La probabilidad condicional toma en cuenta información acerca de la ocurrencia de un suceso 
para encontrar la probabilidad de otro. Este concepto puede extenderse para revisar 
probabilidades basadas en nueva información y para determinar la probabilidad de que un 
efecto en particular se deba a una causa específica. El procedimiento para revisar estas 
probabilidades se conoce como teorema de Bayes.
Se retoma el ejemplo de los trabajadores para aplicar este teorema. Suponga que se elige un 
trabajador al azar y se encuentra que es un desempleado ¿cuál es la probabilidad de que 
hubiera terminado sus estudios secundarios?
El teorema de Bayes puede desarrollarse a partir de la definición de probabilidad condicional:
( )
0.067
0.025
)BP(
BAPB)/(AP 22 =∩=
G.Carnevalli-E.Franchelli-G.Gervasoni
60
P ( A
2 
)
P (A
1
)
P (A
3
)
P(A
1
y B) = P(A
1
) (B/A
1
) 
 = (0,4) (0,01) = 0,004
P(A
1 ∩
 B) = P(A
1
) (B/A
1
) 
 = (0,4) (0,1) = 0,04
P(A
2 ∩
 B) = P(A
2
) (B/A
2
) 
 = (0,5) (0,05) = 0,025
P(A
3 ∩
 B) = P(A
3
) (B/A
3
) 
 = (0,1) (0,02) = 0,002
( )∑
=
⋅=
k
1i
ii ABP)A(P(B)P
PROBABILIDAD
Se puede decir que ciertas “causas” (por ej. tipo de educación: A1, A2 , A3....) tienen 
probabilidades a priori P(Ai). Existe un “efecto” B (desempleo), que no siempre ocurre cuando 
la causa está presente, por eso se habla de P(B/Ai). 
Cuando se usa la probabilidad condicional para invertir lo anterior, se calcula la probabilidad de 
una causa, dado el efecto, es decir, la probabilidad a posteriori P (Ai/B)
Dado Se deduce
P ( Ai)
 → P (Ai / B)
P (B / Ai)
En general, el Teorema de Bayes se obtiene en la ecuación:
( )
( )∑
=
⋅
⋅= k
1i
ii
jj
j
ABP)(AP
ABP)(AP)BA(P
 
j= 1, 2, 3, .....k
Observe que el denominador no es más que la aplicación del teorema de las probabilidades 
totales.
G.Carnevalli-E.Franchelli-G.Gervasoni
61
PROBABILIDAD
3.6 TRABAJO PRÁCTICO
1. Un conmutador consta de dos líneas L1 y L2. En un momento “t” cualquiera, cada una de las 
líneas puede encontrase congestionada ( C ) o descongestionada ( D ).
a) Describa los posibles resultados de observar el estado del conmutador en un momento 
“t”.
b) Suponga que se conocen las probabilidades de los sucesos elementales del espacio 
muestral:
 L1
 L2
Congestionada Descongestionada
Congestionada x 0,10
Descongestionada 0,10 0,79
Determine el valor de x e indique que representa dicho valor.
c) Calcule las probabilidades de cada uno de los siguientes sucesos (resuelva 
considerando los sucesos F: la línea L1 está congestionada y G: la línea L2 está 
congestionada)
A : al menos una línea está congestionada
B : ambas líneas están congestionadas
C : ambas líneas están descongestionadas
D : sólo una línea está congestionada
E : a lo sumo una línea está congestionada
2.- Considere el ejercicio 6 de la unidad nº 2 Estadística descriptiva (pág. 43)
Una compañía de seguros registró entre sus asegurados el número de accidentes del año 
2003, obteniendo la siguiente información:
Edad del asegurado
N° de accidentes
( E )
[18-28)
( F )
[28-38)
( G )
[38-48)
( H )
[48-58)
( I )
58 y más Totales
0 (suceso A) 748 821 786 720 672 3747
1 (suceso B) 84 50 41 66 60 301
2 (suceso C) 41 15 12 16 25 109
más de 2 (suceso D) 10 9 5 5 8 37
Totales 883 895 844 807 765 4191
a) ¿Qué variables se pueden identificar en este estudio? Clasifíquelas.
Calcule la probabilidad de que un asegurado elegido al azar:
b) tenga entre 28 y 38 años de edad
c) haya tenido un accidente
d) haya tenido un accidente y tenga entre 28 y 38 años de edad
G.Carnevalli-E.Franchelli-G.Gervasoni
62
PROBABILIDAD
e) haya tenido un accidente si tiene entre 28 y 38 años de edad
f) Calcule las probabilidades para los sucesos simples asociados a la variable “nº de 
accidentes”.
3.- Un contratista tiene ocho proveedores a los cuales puede comprarles insumos eléctricos. 
Seleccionará aleatoriamente a tres de ellos y pedirá a cada uno que presente una 
cotización del proyecto. 
a) ¿De cuántas maneras puede seleccionarse a los proveedores?
b) Si su compañía es uno de los ocho proveedores ¿cuál es la probabilidad de que tenga 
oportunidad de cotizar el proyecto?
4.- Una compañía recibe un embarque de 20 discos duros. Antes de aceptarlo, selecciona 
aleatoriamente cinco de ellos y los somete a prueba. El embarque se acepta si los cinco 
discos cumplen con las especificaciones, en caso contrario se regresan todos al fabricante. 
Si tres de los 20 discos son defectuosos. 
a) ¿De cuántas maneras pueden seleccionarse una muestra de cinco discos duros?
b) ¿De cuántas maneras pueden seleccionarse una muestra de cinco discos duros que 
cumplan con las especificaciones?
c) ¿cuál es la probabilidad de que no se acepte el embarque?
5.- Cuando una computadora se bloquea, existe una probabilidad de 75% de que se deba a 
una sobrecarga, y de 15% de que sea por un problema de software. La probabilidad de que 
se origine en una sobrecarga o un problema de software es de 85%.
a) ¿Cuál es la probabilidad de que se deba a ambos problemas?
b) ¿Cuál es la probabilidad de que haya un problema de software sin sobrecarga?
6.- Un número binario está compuesto sólo de los dígitos cero y uno. Suponga que un número 
binario está formado por n dígitos. La probabilidad de que aparezca un dígito incorrecto es 
“p” y los errores en dígitos diferentes son independientes uno del otro.
¿Cuál es la probabilidad de formar un nº incorrecto?.
7.- Una compañía de automóviles ha determinado que un nuevo comprador de autos solicitará 
aire acondicionado instalado en fábrica en el 30 % de los casos. Calcule la probabilidad de 
que:
a) los siguientes 4 compradores soliciten aire acondicionado en fábrica
b) ninguno de los siguientes 3 compradores soliciten aire acondicionado en fábrica 
c) dos de los siguientes 4 compradores soliciten aire acondicionado en fábrica
d) de los siguientes 4 compradores sólo el último solicite aire acondicionado en fábrica
8.- El gerente de una empresa de colocaciones desea estudiar varias características de las 
personas que solicitan trabajo, entre ellas si el solicitante estuvo en el último empleo por lo 
menos 5 años y si tienen título universitario. Se seleccionauna muestra de 600 solicitantes 
obteniéndose la siguiente tabla de frecuencias:
G.Carnevalli-E.Franchelli-G.Gervasoni
63
PROBABILIDAD
 Universitario
Ultimo empleo
por lo menos 5 años
Si No Total
 Si 100 180 280
No 220 100 320
Total 320 280 600
 
Calcule el porcentaje de solicitantes
a) con título universitario
b) que estuvieron en el último empleo por lo menos 5 años
c) con título universitario y que haya estado en el último empleo por lo menos 5 años
d) sin título universitario y que haya estado en el último empleo por lo menos 5 años
e) no tenga título universitario o haya estado en el último empleo por lo menos 5 años
f) con título universitario que hayan estado más de 5 años en el último empleo
g) que habiendo estado más de 5 años en el último empleo, no tengan título universitario
∗ ¿Pueden considerarse estos porcentajes como indicadores de probabilidades de los 
respectivos sucesos? 
 ** Indique cuál o cuáles serían los supuestos apropiados para que esto fuera así e 
interprete los items del punto anterior en términos de probabilidad.
*** Analice la independencia de los sucesos: “el solicitante tiene título universitario” y “el 
solicitante estuvo en el último empleo por lo menos 5 años”.
9.- Una empresa dedicada al procesamiento de datos considera que al probar por primera vez 
un programa se pueden encontrar:
- errores importantes (que ocasiona que el programa falle por completo)
- errores menores (fallas que permiten que el programa se corra, pero que en algunas 
situaciones producen resultados erróneos)
- ningún error
De experiencias anteriores se conoce que la probabilidad de que al correr por primera vez el 
programa se encuentren errores importantes es 0,6; de encontrar errores menores es 0,3 y 
de no encontrar errores es 0,1. En caso de haber errores se trata de corregirlos y se vuelve 
a probar el programa.
La tabla siguiente muestra las probabilidades de los resultados en la 2ª prueba condicionada 
a los de la 1ª :
a) Construya una tabla de probabilidades conjuntas y un árbol de probabilidad
b) Encuentre la probabilidad de descubrir un error importante durante la segunda prueba
c) Encuentre la probabilidad de error menor en la primera prueba sabiendo que el error en 
la segunda prueba es importante 
d) Analice la independencia entre los resultados de la primera prueba con los de la 
segunda.
G.Carnevalli-E.Franchelli-G.Gervasoni
 2ª 
prueba
1ª prueba
Importante Menor Ninguno
Importante 0,3 0,5 0,2
Menor 0,1 0,3 0,6
Ninguno 0 0,2 0,8
64
PROBABILIDAD
10. En un gran hospital de niños, el inspector de calidad de las partidas de leche en polvo que 
el gobierno envía, acepta (A) el 90 % de las mismas y rechaza el resto. De experiencias 
anteriores se conoce que el 95 % de los lotes que envía el gobierno son buenos (B) y el 
resto presenta algún defecto (D). El inspector rechaza el 94 % de los lotes defectuosos que 
inspecciona.
a) Construya la tabla de probabilidades conjuntas de acciones a tomar versus la calidad 
del lote
b) ¿Qué porcentaje de los lotes inspeccionados son malos y se los rechaza?.
c) ¿Qué porcentaje de los lotes inspeccionados son buenos y se los acepta?.
d) Calcule la probabilidad de que el inspector se equivoque al inspeccionar un lote.
11.- Los pedidos nuevos de un producto de una compañía varían en valor monetario según la 
siguiente distribución de probabilidades:
 Monto de ventas 0-1000 1001-2000 2001-3000 3001-4000 más de 4000
 Probabilidad 0.1 0.35 0.25 0.20 0.10
Calcule la probabilidad de que: 
a) un nuevo pedido tenga un monto mayor que $ 2000
b) un nuevo pedido tenga un monto entre $ 2000 y $ 4000
c) Se conoce además que la forma de pago de los pedidos puede ser al contado o en 
cheques, dándose los mismos en los siguientes porcentajes:
– 70 % pagan de contado si el monto no supera los $2000
– 50 % se pagan de contado si el monto está entre $2000 y $4000
– el 80 % de los pedidos con montos superiores a $4000 se pagan con cheques.
Calcule:
c1) el porcentaje de pedidos pagados de contado
c2) el porcentaje de pedidos con un monto superior a 4000$ entre los que fueron 
pagados de contado.
12.- Un centro de cómputo tiene tres impresoras, A, B, y C, que imprimen a velocidad distinta. 
Los programas se envían a la primera impresora disponible. Las probabilidades de que un 
programa se envíe a las impresoras A, B, y C son de 0.6, 0.3 y 0.1 respectivamente. En 
ocasiones los impresos se atoran en la impresora y se destruyen. La probabilidad de que se 
atore el papel en las impresoras A, B, y C son de 0.01, 0.05 y 0.04 respectivamente. 
a) ¿Cuál es la probabilidad de que si un programa escrito se destruyó, ello haya ocurrido en 
la impresora A? 
b) ¿haya ocurrido en la impresora B? 
c) ¿haya ocurrido en la impresora C? 
13.- El editor de una compañía que edita libros de texto quiere decidir si va a publicar un libro 
de estadística para administración. El análisis de los libros de texto que se publicaron 
anteriormente indica que 10 % fueron grandes éxitos, 20% tuvieron un éxito modesto, 40 % 
lograron recuperar los gastos de inversión y 30 % fueron un fracaso. Sin embargo, antes de 
tomar una decisión se va a realizar un dictamen del libro. En el pasado obtuvieron 
dictámenes favorables el 99 % de los grandes éxitos, el 70 % de los éxitos modestos, el 40 
% de los títulos que alcanzaron a recuperar gastos de inversión y el 20 % de los fracasos.
a) ¿Qué proporción de libros de texto reciben dictámenes favorables? 
b) Si el libro propuesto obtiene un dictamen favorable, ¿cómo debe revisar el editor las 
probabilidades de los diferentes resultados para tomar en cuenta esta información?
G.Carnevalli-E.Franchelli-G.Gervasoni
65