República Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa

Universidad Nacional Experimental Politécnica de las Fuerzas Armadas

U.N.E.F.A.

Núcleo – Aragua

Profesora: Integrantes:

Ing. Wendy Vera C.I.: 27.867.993Katiusca Macías

C.I:27.369.066 María Gomes

 Índice:

Introducción 3

Experimentos aleatorios 4

Espacio muestral 4

Eventos mutuamente excluyentes 5

Principio de la multiplicación y adición 6

Axiomas básicos en la teoría de la probabilidad 7

Teorema fundamental de la teoría de la probabilidad 8

Probabilidad condicional 10

Teorema de la multiplicación de probabilidad 11

Sucesos independientes 12

Teorema de Bayes 12

2
 Introducción:

La probabilidad es una medida generalmente en porcentaje que tiene algún

evento al ocurrir, si la probabilidad se acerca al 100% es muy probable que
ocurra, si se acerca al 0% es probable que nunca ocurra, pero nada está
garantizado, cuando hablamos de probabilidad todo puede pasar.

Por ejemplo, si tengo una moneda y quiero que caiga “cara”, y lo quiere
representar matemáticamente en forma fraccionaria seria definido como: quiero
que caiga 1 de dos opciones posibles es decir ½, esta misma probabilidad la puedo
representar de forma decimal y esto se logra dividiendo el numerador con el
denominador es decir: ½=0.50, ahora si esta misma probabilidad la quiero ver en
porcentaje, el punto lo debo correr dos lugares hacia la derecha lo que nos queda
50%. Es decir tengo un 50% de que caiga “cara” y otro 50% de que caiga “sello”.

Este es un ejemplo sencillo de experiencias cuya característica común es el no

poder predecir de antemano los resultados que se van a producir.

A este tipo de experimentos se les denomina experimentos aleatorios y es uno

de las definiciones y teoremas fundamentales de una parte importante rama de la
matemática como la es la Teoría de la probabilidad.

Además de los experimentos aleatorios también se encuentran el espacio

muestral, los eventos mutuamente excluyentes, el principio de multiplicación y
adición, los axiomas básicos de la teoría de probabilidad, teoremas fundamentales
de la teoría de la probabilidad, la probabilidad condicional, teorema de la
multiplicación de probabilidad, sucesos independientes y teorema de Bayes, los
cuales quedaran expresados y definidos a continuación.

3
 Experimento aleatorio:

Los fenómenos o experimentos aleatorios son los que pueden dar lugar a varios
resultados, sin que pueda ser previsible enunciar con certeza cuál de estos va a ser
observado en la realización del experimento a pesar de haberlo realizado en
similares condiciones.

Un experimento aleatorio es aquél que si se repite en las mismas condiciones

iniciales no garantiza los mismos resultados. Es decir las leyes que rigen la
experiencia son las leyes del azar.

Nota: Azar, palabra de origen árabe, que en latín se traduce por casus, que
significa casualidad.

Por el contrario los experimentos deterministas son aquellos en que si se repiten

las mismas condiciones iniciales, garantizan el mismo resultado.

Ejemplos de experimentos aleatorios: Pueden ser desde un lanzamiento de

dados, hasta jugar con una ruleta de la fortuna.

1. Lanzamiento de un dado de seis caras: Al lanzar un dado no tenemos

certeza de cual número nos saldrá, por más que anhelemos un número en
específico todo dependerá del azar. En este caso nos puede salir (1, 2, 3, 4,
5 o 6).
2. Lanzamiento de moneda: al igual que en el dado todo depende del azar ya
que en este caso nos puede salir, “cara” o “sello” como se explicó
brevemente en la introducción.
3. Sacar de una caja una pelota donde hay: una pelota Verde, una pelota
amarilla y una pelota negra.
4. Elegir un número para la lotería entre el 1al 100.

Espacio Muestral:

Es el conjunto formado por todos los posibles resultados elementales de un

experimento aleatorio. Se denota habitualmente con la letra S.

4
 En este espacio podemos obtener todos los resultados de un espacio aleatorio.
Siguiendo los ejemplos anteriores los resultados serían:

1. Lanzar un dado de seis caras: S={1 , 2, 3, 4, 5, 6}

2. Lanzar una moneda: S={C,S}
3. Sacar de una caja una pelota: S={PV,PA,PN}
4. Elegir un número de la lotería del 1 al 100: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10. 11,
12, 13, 14, 15, 16, 17, 18, 19, 20. 21, 22, 23, 24, 25, 26, 27, 28, 29, 30. 31,
32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51,
52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71,
72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91,
92, 93, 94, 95, 96, 97, 98, 99, 100}.
5. Que salga el numero 0: S= Ø (VACIO)
Se observa que los elementos, como subconjuntos que son, se pueden
describir por la propiedad que cumplen o simplemente, listando sus
elementos.
Por otra parte un Evento A de un espacio muestral S es un subconjunto de
este. Es decir: A es evento de si A ⊂ S.
Además, si A = S diremos que A es el evento seguro y si A = Ø, diremos
que es el evento imposible.
Eventos mutuamente excluyentes:

En este caso la ocurrencia de un evento significa que ninguno de los otros puede
ocurrir simultáneamente. Se les denomina también eventos incompatibles en el
resultado de un experimento.

Retomando el ejemplo de los dados, solo una cara quedara hacia arriba y
obtendremos un dato entero entre 1 y 6. Esto es un evento simple ya que solo
tiene una posibilidad de resultado por experiencia. Todos los eventos simples son
mutuamente excluyentes al no admitir otro suceso como posibilidad.

En lenguaje formal, la intersección de cada par de ellos es vacía (el evento

nulo): A ∩ B = ∅. Si A = B’ son eventos complementarios y A U B = S (Espacio
muestral). Por lo tanto, los eventos mutuamente excluyentes tienen la propiedad
que: P(A ∩ B) = 0.

Los conjuntos que no posean eventos comunes o simplemente estén separados,

serán considerados como incompatibles y mutuamente excluyentes.

Por ejemplo, teóricamente solo hay dos resultados posibles que se pueden
obtener al revolear una moneda. Que caiga “cara” o que caiga “sello” una moneda
son eventos colectivamente exhaustivos, y la probabilidad de que salga “cara” o

5
“sello” es uno. Ambos resultados no pueden ocurrir en un único lanzamiento de
moneda. La suma de la probabilidad de que salga cara y de la probabilidad de que
salga ceca es 1: 1/2 + 1/2 =1.

Otro ejemplo: Se tiene una caja con 50 papelitos de colores: 15 son rojos, 5 son
morados, 9 son verdes, 11 naranjas y 10 son azules.

¿Cuál es la probabilidad de que:..

a) Salga un papelito azul

b) Salga un papelito rojo. ?

Para resolver utilizamos la fórmula que dice: P(A U B) = P = (A+B) = P(A)+ P(B)

Aplicando...

P (Papelitos azules)+P (Papelitos rojos)

P=10/50+15/50

P=25/50 P=5/10 P=1/2

Principio de la multiplicación y adición:

El principio de la multiplicación establece que si un suceso se puede realizar de

“m” formas diferentes y luego se puede realizar otro suceso de “n” formas
diferentes, el número total de formas en que pueden ocurrir es igual a m x n. Es
decir, ambos eventos se realizan, primero uno y luego el otro. El “y” indica
multiplicación.

El principio de la adición establece que si un suceso “A” se puede realizar de

“m” maneras diferentes, y otro suceso “B” se puede realizar de “n” maneras
diferentes, además, si ocurre uno no puede ocurrir el otro, entonces, el evento A o
el evento B, se realizarán de m + n formas. Es decir, aquí ocurre A “o” ocurre B.
El “o” indica suma.

Ejemplo del principio de la multiplicación: ¿de cuántas formas se puede vestir

una persona que tiene 3 pantalones y 4 camisas?

Para vestirse, la persona se pone el pantalón y luego la camisa, es decir tiene 3 x

4 = 12 opciones diferentes de vestirse.

6
 Ejemplo del principio de la adicción: ¿de cuántas formas se puede cruzar un río,
sabiendo que se dispone de 3 botes y 4 barcos?

El río se puede cruzar en bote o en barco, es decir, tiene 3 + 4 = 7 opciones

diferentes para cruzar el río. El río se cruza en bote o en barco.

Axiomas básicos en la teoría de la Probabilidad:

Para cada suceso A, perteneciente a un espacio muestral S, se define la

probabilidad de A (P(A)) como un número que cumple los siguientes axiomas:

1. La probabilidad de cualquier suceso, es siempre mayor o igual que cero:

P(A) ≥ 0

2. La probabilidad del espacio muestral es 1: P (S) =1

3. Si tenemos un conjunto de sucesos incompatibles entre sí, entonces la

probabilidad de la unión es igual a la suma de las probabilidades. En el caso
conjunto de dos y tres sucesos se expresaría así:

Si tenemos dos sucesos A, B incompatibles (A∩B=Ø) entonces se cumple que

P (AUB)= P (A)+ P (B).

Si tenemos tres sucesos A, B, C, incompatibles dos a dos (A∩B=Ø, A∩C=Ø,

B∩C=Ø) entonces se cumple que P (AUBUC)= P (A)+ P (B)+ P (C)

Por lo tanto la probabilidad de un suceso será un número comprendido entre 0 y

1 que mide la mayor o menor posibilidad de que ocurra dicho suceso. Cuanto más
cerca de 1 es más probable que ocurra, cuanto más cerca de 0 más difícil.

Como consecuencia de los anteriores axiomas se tienen las siguientes

propiedades:

1. La probabilidad de un suceso es siempre un número comprendido entre 0 y

1. La probabilidad del suceso seguro es 1 y la del suceso imposible es 0, es
decir, P (S) =1, P (ø) =0.
2. La suma de las probabilidades de los sucesos elementales vale 1.
3. La suma de un suceso y de su suceso contrario vale 1: (esta propiedad
para calcular probabilidad del contrario o complementario)
4. La probabilidad de un suceso es igual a la suma de las probabilidades de
los sucesos elementales que lo forman.

7
 5. P (AUB) =P (A) +P (B)-P (A∩B). Si los sucesos son incompatibles, como
su intersección es el suceso imposible cuya probabilidad es cero, la
fórmula anterior se reduce a la expresión: P(AUB)=P(A)+P(B)

Ejemplo: Jorge es un bromista y a veces lleva un dado trucado para quedarse con
sus amigos que intentan jugar con él sin saber que les hace trampas. Las
probabilidades que tiene ese dado de sacar las caras del 1 al 5 son las siguientes:

P (1) = 0,15; P (2) = 0,20; P (3) = 0,10; P (4) = 0,15; P (5) = 0,20.

 ¿Cuál sería la probabilidad de obtener un 6 con ese dado?

 Si lanzamos el dado, ¿qué probabilidad hay de obtener un número par?
 ¿Y de obtener un múltiplo de 3?

La respuesta seria:

 Como la suma de las probabilidades de los sucesos elementales debe dar la

unidad, tenemos la igualdad:
P (1)+P (2)+P (3)+P (4)+P (5)+P (6) =1
0,15+0,20+0,10+0,15+0,20+P (6) = 1.
Basta que resolvamos la ecuación 0,80+P (6) = 1, de donde
P (6) = 1 - 0,80 = 0,20
 El suceso obtener par se compone de los sucesos obtener 2, 4 ó 6 por lo
que tendríamos la probabilidad
P (obtener par) = P (2) +P (4) + P (6) = 0,2+0,15+0,20 = 0,55
 Si queremos obtener un múltiplo de 3, necesitamos obtener 3 ó 6, luego el
cálculo sería:
P (obtener múltiplo de 3) = P (3)+P (6) = 0,10 + 0,20 = 0,30

Teoremas fundamentales de teoría de la probabilidad

El Teorema de la probabilidad total nos permite calcular la probabilidad de un

suceso a partir de probabilidades condicionadas:

Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes

es x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite
deducir cuál es la probabilidad de que ocurra un accidente si conocemos la
probabilidad de que llueva y la probabilidad de que haga buen tiempo.

La fórmula para calcular esta probabilidad es:

8
 Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que
ocurra un accidente) es igual a la suma de multiplicar cada una de las
probabilidades condicionadas de este suceso con los diferentes sucesos A
(probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la
probabilidad de cada suceso A.

Hay algunos resultados importantes del cálculo de probabilidades que son

conocidos bajo los nombres de teorema de la probabilidad compuesta, teorema de
la probabilidad total y teorema de Bayes. Veamos cuales son estos teoremas, pero
previamente vamos a enunciar a modo de recopilación, una serie de resultados
elementales cuya demostración se deja como ejercicio para el lector (algunos ya
han sido demostrados anteriormente):

Proposición:

1.- Probabilidad de la unión de sucesos:

2.- Probabilidad de la intersección de sucesos:

3.- Probabilidad del suceso contrario:

4.- Probabilidad condicionada del suceso contrario:

Teoremas:

1.- Teorema (Probabilidad compuesta)

2.- Teorema (Probabilidad total)

3.- Teorema (Bayes)

Obsérvese que en el ejemplo anterior, antes de realizar el experimento aleatorio de

extraer una bola para ver su resultado, teníamos que la probabilidad de elegir una

9
urna i cualquiera es ${{\cal P}} [U_i] $. Estas probabilidades se denominan
probabilidades a priori. Sin embargo, después de realizar el experimento, y
observar que el resultado del mismo ha sido la extracción de una bola blanca, las
probabilidades de cada urna han cambiado a ${{\cal P}} [{U_i} _ {\mid B}] $.
Estas cantidades se denominan probabilidades a posteriori.

Probabilidad Condicional

La probabilidad está ligada a nuestra ignorancia sobre los resultados de la

experiencia, el hecho de que ocurra un suceso, puede cambiar la probabilidad de
los demás. El proceso de realizar la historia clínica, explorar y realizar pruebas
complementarias ilustra este principio.

La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se

denomina probabilidad condicionada y se define

Esta definición es consistente, es decir cumple los axiomas de probabilidad.

Cuando ocurre un suceso cambia el espacio muestra, por eso cambia la

probabilidad. A veces es más fácil calcular la probabilidad condicionada teniendo
en cuenta este cambio de espacio muestra.

No tiene por qué haber una relación causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir simultáneamente. A puede
causar B, viceversa o pueden no tener relación causal. Las relaciones causales o
temporales son nociones que no pertenecen al ámbito de la probabilidad. Pueden
desempeñar un papel o no, dependiendo de la interpretación que se le dé a los
eventos.

Un ejemplo clásico es el lanzamiento de una moneda para luego lanzar un dado.

¿Cuál es la probabilidad que en el dado salga un 6 dado que ya haya salido una
cara en la moneda? Esta probabilidad se denota de esta manera: P(6|C).

El condicionamiento de probabilidades puede lograrse aplicando el teorema de

Bayes.

10
 Teorema de multiplicación de probabilidad

La teoría de la multiplicación o regla del producto, permite encontrar la

probabilidad de que ocurra el evento A y el evento B al mismo tiempo
(probabilidad conjunta). Esta regla depende de si los eventos son dependientes o
independientes.

Eventos dependientes:

Dos eventos A y B son dependientes, si la ocurrencia de uno de ellos afecta la

ocurrencia del otro. Para eventos dependientes, la regla de la multiplicación
establece que:

Ejemplo 1:

Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas al azar sin
reposición, ¿cuál es la probabilidad de que las dos sean azules?

Solución:

Dado que las canicas serán extraídas de la misma caja, y que las canicas que se
extraigan, no serán devueltas a la caja (no hay reposición), entonces, se trata de
eventos dependientes.

 Evento A: obtener una canica azul en la primera extracción.

 Evento B: obtener una canica azul en la segunda extracción.
Por la regla de la multiplicación, sabemos que:

11
 Sucesos independientes
Dos eventos A y B son independientes, si la ocurrencia de uno de ellos no
afecta la ocurrencia del otro, es decir, cuando los eventos A y B no están
relacionados. Para eventos independientes, la regla de la multiplicación establece
que:

Esto se debe, a que en los eventos independientes, la ocurrencia de un evento, no

afecta a la ocurrencia del otro:

Ejemplo 2:

En un colegio, la probabilidad de que un alumno seleccionado al azar hable inglés

es de 0,20; mientras que la probabilidad de que un alumno juegue fútbol es de
0,80.

El hecho de que un alumno hable inglés, no afecta en nada que juegue fútbol; por
lo tanto, se trata de eventos independientes.

 Evento A: que el alumno hable inglés. P(A) = 0,20.

 Evento B: que el alumno juegue fútbol. P (B) = 0,80.

Usamos la regla de la multiplicación para eventos independientes:

Teoremas de Bayes.

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

por el matemático inglés Thomas Bayes (1702-1761)1 y publicada póstumamente
en 1763,2 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 solo A.

En términos más generales y menos matemáticos, dios plan

Sea { A 1 , A 2 , . . . , A i , . . . , A n } {\displaystyle
\{A_{1},A_{2},...,A_{i},...,A_{n}\}} {\displaystyle

12
\{A_{1},A_{2},...,A_{i},...,A_{n}\}} 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 P ( B | A i ) {\displaystyle P(B|A_{i})} P(B|A_i).
Entonces, la probabilidad P (A i | B) {\displaystyle P(A_{i}|B)} P(A_i|B) viene
dada por la expresión:

Dónde:

 P (A i) {\displaystyle P (A_ {i})} P (U_i) son las probabilidades a priori,

 P (B | A i) {\displaystyle P (B|A_ {i})} P (B|A_i) es la probabilidad de
B {\displaystyle B} B en la hipótesis A i {\displaystyle A_ {i}} U_i,
 P (A i | B) {\displaystyle P (A_ {i} |B)} P (A_i|B) son las probabilidades
a posteriori.

Con base en la definición de probabilidad condicionada se obtiene la Fórmula de

Bayes, también conocida como Regla de Bayes:

Esta fórmula nos permite calcular la probabilidad condicional P (A i | B)

{\displaystyle P (A_ {i} |B)} P (A_i|B) de cualquiera de los eventos A i
{\displaystyle A_{i}} U_i dado B {\displaystyle B} B. La fórmula [1]
{\displaystyle [1]} {\displaystyle [1]} «ha originado muchas especulaciones
filosóficas y controversias».

El teorema de Bayes es válido en todas las aplicaciones de la teoría de la

probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades
que emplea. En esencia, los seguidores de la estadística tradicional solo admiten
probabilidades basadas en experimentos repetibles y que tengan una confirmación
empírica mientras que los llamados estadísticos bayesianos permiten
probabilidades subjetivas. El teorema puede servir entonces para indicar cómo
debemos modificar nuestras probabilidades subjetivas cuando recibimos
información adicional de un experimento.

La estadística bayesiana está demostrando su utilidad en ciertas estimaciones

basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas

13
estimaciones en función de la evidencia empírica es lo que está abriendo nuevas
formas de hacer conocimiento.

Conclusión

El papel que juega la probabilidad en la estadística es de enlace entre lo

descriptivo y lo inferencia de los procesos estadísticos. Puesto que la
probabilidad proporciona los modelos matemáticos que permiten explicar el
comportamiento de hechos y fenómenos que ocurren.

La probabilidad funciona como una herramienta que permite evaluar la

confiabilidad de las conclusiones (estimaciones y significancia) respecto a la
población objeto de estudio o investigación cuando solo se posee información
muestral. Por ejemplo, si tenemos una moneda que no está cargada
podemos establecer a priori que la probabilidad de que salga cara o sello es
0,5. Ahora supongamos que no sabemos si está cargada o es legal, en este
sentido no se puede concluir a priori que la probabilidad que sea cara o sello sea
de 0,5.

El ejemplo anterior muestra que las probabilidades pueden ser usadas de

dos formas, cuando se conoce la población (la probabilidad se usa para describir
la posibilidad de observar un evento del espacio muestral particular), y cuando se
desconoce la población y solo se dispone de una muestra de esa población,
entonces se usa la probabilidad para hacer afirmaciones acerca de la
composición de la población, es decir, hacer inferencias. En ese sentido se puede
decir que la probabilidad funciona como una transición entre la estadística
descriptiva y la estadística inferencia .

Otro ejemplo de la transición entre los procesos estadísticos descriptivo e

inferencia: Se puede hacer un análisis de regresión lineal o correlación
lineal desde un punto de vista descriptivo, se calcula el coeficiente de correlación
lineal, se busca la ecuación de regresión de manera descriptiva, modelo de
una línea. Recta (punto pendiente) si se llega hasta ahí es estadística
descriptiva. Cuando se va más allá de ese modelo matemático buscar otros
valores que no están dentro de los datos que no están recabados, ese

14
modelo generaliza el comportamiento y se inicia todo el concepto de
estimaciones y significancia del coeficiente de correlación.

Esto va a depender en primer lugar, de la definición de probabilidad que se esté

manejando, porque si se trata de una probabilidad a priori, esta se puede establecer
teóricamente de ante mano si se conoce el espacio muestral; o si se trata de
una probabilidad a posteriori, esta se establece luego de conocer lo
resultante del hecho o fenómeno.

En segundo término, se puede considerar desde el punto de vista del valor

numérico de la probabilidad, es decir, si lo primordial es saberlo con exactitud, o
tener una noción porcentual del mismo.

Como tercero, y quizá lo que mayor incidencia tiene es el azar, puesto que se debe
considerar lo determinativo o estocástico del fenómeno.

15
Anexos:

Experimento aleatorio y espacio muestral

16
Bibliografía:

 Matemática de 8º grado – Héctor Pantoja.

 http://agrega.juntadeandalucia.es/repositorio/22062018/29/es-
an_2018062212_9241410/31_definicin_de_probabilidad_axiomtica_de_kolm
ogorov.html
 https://matemovil.com/principio-de-la-multiplicacion-y-adicion-ejemplos-y-
ejercicios/
 https://www.lifeder.com/eventos-mutuamente-excluyentes/
 https://proyectodescartes.org/iCartesiLibri/materiales_didacticos/Introduccion
EstadisticaProbabilidad/1ESO/5ExperimentoAleatorioEspacioMuestral/index.
html
 https://brainly.lat/tarea/3439536
 【 Teorema de la probabilidad total - Estadísticas 】
https://www.aulafacil.com/cursos/estadisticas/gratis/teorema-de-la-
probabilidad-total-l11236
 Teoría de la probabilidad ,conceptos, teoremas
https://www.uv.es/ceaces/base/probabilidad/simple.htm
 4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
https://virtual.uptc.edu.co/ova/estadistica/docs/libros/ftp.bioestadistica.uma.es/
libro/node52.htm
 Probabilidad condicionada http://www.hrc.es/bioest/Probabilidad_15.html
 Probabilidad condicionada - Wikipedia, la enciclopedia libre
https://es.wikipedia.org/wiki/Probabilidad_condicionada
 Sucesos Independientes - Matemáticas IES
https://matematicasies.com/Sucesos-Independientes
 Regla de la multiplicación, ejercicios resueltos | MateMovil
https://matemovil.com/regla-de-la-multiplicacion-o-producto-de-
probabilidades/
 Teorema de Bayes - Wikipedia, la enciclopedia libre
https://es.wikipedia.org/wiki/Teorema_de_Bayes

17
18