ING.

VERA BANEGAS
1.- Definir el termino probabilidad y las variables que interviene en este proceso.

2.- Aplicar las reglas de conteo como herramienta para identificar probabilidades.

3.- Realizar ejercicios para reglas de adición y multiplicativas para probabilidad de

eventos.
Es una medida numérica de la posibilidad de que ocurra un evento. Por tanto, las probabilidades
son una medida del grado de incertidumbre asociado con cada uno de los eventos previamente
enunciados.

Los valores cercanos a

0 indican que las
posibilidades de que
ocurra un evento son Probabilidad de ocurrencia
muy pocas.
0 0.5 1
Otras
probabilidades
Los cercanos a 1 Es tan posible
entre cero y uno
indican que es casi representan que el evento
seguro que ocurra distintos grados ocurra como
un evento. de posibilidad de que no ocurra
que ocurra un
evento.
 ESPACIO MUESTRAL
DE UN EXPERIMENTO
• Proceso que • un elemento
genera • Son todos los del espacio
resultados resultados muestral
definidos. experimentales
posibles resultado
EXPERIMENTO experimental o punto
muestral
 Experimento: tomar
Experimento: Lanzar Experimento: lanzar un
una pieza para dado
una moneda revisarla

Resultado Resultado Resultado experimental

experimental (punto experimental (punto (punto muestral) :
número de puntos del
muestral) : cara o muestral) : Defectuosa dado en la cara que cae
cruz o no defectuosa hacia arriba son 6

Espacio muestral: Espacio muestral:

Espacio muestral:
S = {Defectuosa, no S ={1, 2, 3, 4, 5, 6}
S = {Cara, cruz} defectuosa}
Al asignar probabilidades es necesario saber identificar y contar los resultados experimentales. A
continuación tres reglas de conteo que son muy utilizadas

1.- Experimentos de pasos múltiples

Un experimento se describe como una sucesión de k pasos en los que hay n1

resultados posibles en el primer paso, n2 resultados posibles en el segundo
paso y así en lo sucesivo, entonces el número total de resultados
experimentales es (n1) (n2)...(nk).

Si considera el experimento del lanzamiento de dos monedas

como la sucesión de lanzar primero una moneda (n1 = 2) y
después lanzar la otra (n2 = 2), siguiendo la regla de conteo
(2)(2) = 4, entonces hay cuatro resultados distintos.

¿Cuantos serian los resultados experimentales de seis monedas?

Un diagrama de árbol es una representación gráfica que permite visualizar un experimento de pasos múltiples

diagrama de árbol Paso 1 Paso 2 Resultado experimental (puntos

para el experimento Primera moneda Segunda moneda muestrales)

del lanzamiento de
dos monedas. (H, H )

Se denota:

Cruz = H
Cara = T
(H, T )

(T, H )

(T, T )
2.- Combinaciones
Regla de conteo útil le permite contar el número de resultados experimentales cuando el experimento
consiste en seleccionar n objetos de un conjunto (usualmente mayor) de N objetos.

Ésta es la regla de conteo para combinaciones.

El número de combinaciones de N objetos tomados de n en n es

𝑁 𝑁!
𝐶𝑛𝑁 = =
𝑛 𝑛! 𝑁 − 𝑛 !
donde
𝑁! = N N − 1 N − 2 … (2)(1)
𝑛! = n n − 1 n − 2 … (2)(1)

y por definición, 0! = 1
La notación ! significa factorial; por ejemplo, 5 factorial es 5! = (5)(4)(3)(2)(1) =120.
Considere un procedimiento de control de calidad en el que un Cuando se hace un muestreo de
inspector selecciona al azar dos de cinco piezas para probar que una población finita de tamaño
N, la regla de conteo para
no tengan defectos. En un conjunto de cinco partes. combinaciones sirve para hallar
el número de muestras de
tamaño n que pueden
¿cuántas combinaciones de dos partes pueden seleccionarse? seleccionarse.

N=5yn=2

5 5! 5 (4)(3)(2)(1) 120
𝐶25 = = = = =10
2 2! 5−2 ! (2)(1) (3)(2)(1) 12

Hay 10 combinaciones o resultados posibles en este experimento

Si etiqueta dichas partes como A, B, C, D y E

Entonces, serán: AB, AC, AD, AE, BC, BD, BE, CD, CE y DE
 3.- Permutaciones

Dicha regla permite calcular el número de resultados experimentales cuando se seleccionan n objetos de
un conjunto de N objetos y el orden de selección es relevante.

Los mismos n objetos seleccionados en orden diferente se consideran un resultado experimental diferente.

El número de permutaciones de N objetos tomados de n en n está dado por

𝑁 𝑁!
𝑃𝑛𝑁 = 𝑛! =
𝑛 𝑁−𝑛 !
Un inspector selecciona dos de cinco piezas para probar que no tienen defectos.
¿Cuántas permutaciones puede seleccionar? N = 5 y n = 2,

5 5! 5! 5 4 3 2 1 120
𝑃25 = 2! = = = = = 20
2 5−2 ! 3 ! (3)(2)(1) 6

Si las piezas se etiquetan A, B, C, D y E.

Las 20 permutaciones son AB, BA, AC, CA, AD, DA, AE, EA, BC, CB, BD, DB, BE, EB, CD, DC, CE, EC, DE y ED.

Los mismos n objetos seleccionados en orden diferente se

consideran un resultado experimental diferente.
Asignación de probabilidades

REQUERIMIENTOS BÁSICOS QUE SE DEBEN SATISFACER PARA LA ASIGNACIÓN DE PROBABILIDADES

1. La probabilidad asignada a cada resultado experimental debe estar entre 0 y 1, inclusive.

Si denota con Ei el i-ésimo resultado experimental y con P(Ei) su probabilidad, entonces exprese este
requerimiento como:

0 ≤ P(Ei) ≤ 1

2. La suma de las probabilidades de los resultados experimentales debe ser igual a 1.0.
Para resultados experimentales n escriba este requerimiento como:

P (E1 ) + P(E2 ) +. . . + P(En ) =1

Hay tres métodos comúnmente usados para la asignación de probabilidades:

1.- Método clásico:

Es apropiado cuando todos los resultados experimentales tienen la misma posibilidad

Si existen n resultados experimentales, la probabilidad asignada a cada resultado experimental es 1/n

En un experimento de lanzar una moneda uno de los dos resultados igualmente posibles es cara y el otro cruz,
n= 2 resultados posibles

La probabilidad de que caiga cara es

1/n = 1/2 o 0.50.
Asimismo, la probabilidad de que caiga cruz también es 1/2 o 0.50.
Experimento de lanzar un dado

El dado tiene 6 lados, es decir n = 6; Es razonable pensar que los seis resultados que pueden
presentarse son igualmente posibles y, por tanto, la probabilidad asignada a cada resultado es 1/6.

Entonces
➢ probabilidad que caiga el numero dos es:
➢ la probabilidad que caiga el numero uno es:
P(5) = 1/6
P(1) = 1/6
➢ probabilidad que caiga el numero dos es: ➢ probabilidad que caiga el numero dos es:
P(2) = 1/6 P(6) = 1/6
➢ probabilidad que caiga el numero dos es:
P(3) = 1/6
➢ probabilidad que caiga el numero dos es:

P(4) = 1/6
2.- Método de frecuencia relativa
Es el más conveniente cuando existen datos para estimar la
proporción de veces que se presentarán los resultados si el
experimento se repite muchas veces.

un estudio sobre los tiempos de espera en el departamento de rayos x de

un hospital pequeño. Durante 20 días sucesivos un empleado registra el
número de personas que están esperando el servicio a las 9:00 a.m.; los
resultados son los siguientes.
Número de Número de días:
personas que resultados de ocurrencia la probabilidad que se le asignará al resultado
esperan experimental cero pacientes esperan el servicio, será
0 2 2/20 = 0.10;
1 5
Al resultado experimental un paciente espera el
2 6
servicio, 5/20 = 0.25;
3 4
4 3 6/20 =0.30 y asi sucesivamente
20
 3.- El método subjetivo

Usa toda la información disponible, por ejemplo, la propia experiencia o la intuición.

Después de considerar dicha información se asigna un valor de probabilidad que expresa el grado de
confianza (en una escala de 0 a 1) que tiene acerca de que un resultado experimental ocurra

Considere el caso en el que Tom y Judy Elsbernd hacen una oferta para la compra de una
casa.
Hay dos resultados posibles:

E1 =su oferta será aceptada

E2 = su oferta no será aceptada

Judy cree que la probabilidad de que su oferta sea aceptada es 0.8; por
tanto, Judy establece que P(E1) = 0.8 y P(E2) = 0.2; Tom, por su parte,
cree que la probabilidad de que su oferta sea aceptada es 0.6; por tanto,
Tom establecerá P(E1) = 0.6 y P(E2) =0.4
Realice los ejercicios impares del auto examen que esta en el libro Estadística Para
Administración Y Economía, ANDERSON, SWEENEY, WILLIAMS.

Pag. 151,152 y 153

ejercicios 16, 18 y 19, 25 pag. 156, 162

LIBRO DE WALPOLE probabilidad y estadística para las ingenierías

Ejercicios 2.53, 2.58, 2.65, 2.70, 2.95, 2.96

Libro de estadística para la administración de levine

4.8 y 4.10
Puntos muestrales y eventos son la base para el estudio de la probabilidad.

Un evento es una colección de puntos muestrales, es cada posible resultado de una variable

Probabilidad de ocurrencia = X
T
❖ Un evento simple se describe por sus características singulares

Por ejemplo, cuando lanza una moneda al aire, los dos posibles
resultados son cara o cruz. Cada uno de éstos representa un evento
sencillo

❖ Un evento conjunto es un evento que tiene dos o más características

Sacar dos caras al lanzar al aire dos monedas es un ejemplo de

evento conjunto, pues consiste en obtener cara al lanzar al aire
la primera moneda y cara al lanzar la segunda moneda
 Tablas de contingencia HERRAMIENTAS PARA VISUALIZAR LOS EVENTOS

Tabla de clasificaciones cruzadas para presentar un espacio muestral. Esta tabla nos muestra los eventos
simples y los eventos conjuntos
Realmente lo compro
Planea comprarlo Si No Total
Si 200 50 250
No 100 650 750
Total 300 700 1000

Un diagrama de Venn es una forma de presentar un espacio muestral.

diagrama de Venn para eventos A Y B

B

AYB
El complemento del evento A (al que se le asigna el símbolo A´) incluye todos los eventos que no son
parte de A.
1.- El complemento de una cara es una cruz
2.- El complemento de una cara de cinco puntos en un
dado es no tener una cara de cinco puntos. No obtener
un lado de cinco puntos consiste en obtener un lado uno,
dos, tres, cuatro o seis.

Si A y A´ son eventos complementarios, entonces P(A) + P(A´) = 1.

CÁLCULO DE UNA PROBABILIDAD USANDO EL COMPLEMENTO

P(A) = 1 - P(A´)

Espacio muestral S

Evento A
A´ Complemento del evento A
Si las probabilidades de que un mecánico automotriz dé servicio a 3, 4, 5, 6, 7, 8 o más vehículos en
un día de trabajo dado son 0.12, 0.19, 0.28, 0.24, 0.10 y 0.07, respectivamente,
¿cuál es la probabilidad de que dé servicio al menos a 5 vehículos el siguiente día de trabajo?

Solución: Sea E el evento de que al menos 5 automóviles reciban servicio. Así, P(E) = 1 − P(E´),
donde E´ es el evento de que menos de 5 automóviles reciban servicio.

P(3)+P(4)
P(E´ ) = 0.12+0.19 = 0.31,

P(E) = 1 - 0.31 = 0.69

PROBABILIDAD DE UN EVENTO
La probabilidad de cualquier evento es igual a la suma de las probabilidades de
los puntos muestrales que forman el evento
Suponga que las especificaciones del fabricante para la longitud del cable de cierto tipo de computadora
son 2000 ± 10 milímetros. En esta industria, se sabe que el cable pequeño tiene la misma probabilidad de
salir defectuoso (no cumplir con las especificaciones) que el cable grande. Es decir, la probabilidad de que
aleatoriamente se produzca un cable con una longitud mayor que 2010 milímetros es igual a la probabilidad
de producirlo con una longitud menor que 1990 milímetros. Se sabe que la probabilidad de que el
procedimiento de producción cumpla con las especificaciones es de 0.99= P(M)

a ) ¿Cuál es la probabilidad de que un cable elegido aleatoriamente sea muy largo?

b ) ¿Cuál es la probabilidad de que un cable elegido aleatoriamente sea mayor que 1990 milímetros?

Solución
Sea B el evento de que un cable cumpla con las especificaciones. Sean S y L los eventos de
que el cable sea muy pequeño o muy grande, respectivamente

a) P(M)= 0.99 P(S)= P(L)

Se divide entre 2 porque la
ENTONCES, probabilidad de que el cable
sea muy largo o muy corto es
P(S)= P(L)= 1-0.99 = 0.005 la misma
2
 b) Si se denota con X la longitud de un cable seleccionado aleatoriamente.
Si cumplir con las especificaciones es de 0.99, es decir, estar dentro de los parámetros establecidos. 2000 ± 10 milímetros

P(1990 ≤ X ≤ 2010)= P (M)= 0.99

Como la probabilidad que el cable ser mayor que el limite superior de tolerancia la determinamos en el
inciso anterior 0.005
P(X ≥ 2010)= P (L)= 0.005
Entonces veremos que un valor aleatorio sea mayor que 1990 es igual a la suma de la probabilidad de
cumplir con las especificaciones mas la probabilidad de que sea mas largo de limite superior de las
especificaciones.

P(X ≥ 1990)= P (M) + P (L)= 0.995

También se puede resolver con el cumplimiento de requerimientos de asignación de probabilidades

P(X ≥ 1990) + P (X ˂ 1990)= 1
Así la probabilidad de que la longitud sea menor que 1990 el limite superior de tolerancia)
P(X ≥ 1990)= 1 – P(S)
= 1 – 0.005
= 0.995
UNIÓN DE DOS EVENTOS

La unión de A y B es el evento que contiene todos los puntos muestrales que pertenecen a A o a B o a ambos.
La unión se denota 𝐴 ∪ 𝐵.

Evento A Evento B
INTERSECCIÓN DE DOS EVENTOS Dados dos eventos A y B, la intersección de A y B es el evento que contiene
los puntos muestrales que pertenecen tanto a A como a B.

Evento A Evento B

Evento A Y B
INTERSECCIÓN
 Ley de la adición

La ley de la adición sirve para determinar la probabilidad de que ocurra por lo menos uno de dos
eventos. Es decir, si A y B son eventos, nos interesa hallar la probabilidad de que ocurra el evento A o el
B o ambos.

𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴𝐵
Para tres eventos A, B y C, P(A ∪ B ∪ C)=P(A)+ P(B) + P(C) - P(A ∪ B) - P(A ∩ C) - P(B ∩ C)+P(A ∩ B ∩ C).

Realmente lo compro
Planea comprarlo Si No Total
Si 200 50 250
No 100 650 750
Total 300 700 1000

P(planea comprar o realmente compró) = P(planea comprar) + P(realmente compró) −P(planea comprar y compró)

P(planea comprar o realmente compró) = 250 + 300 - 200 = 350 = 0.35 Probabilidad de ocurrencia = X
1000 1000 1000 1000 T
LEY DE LA ADICIÓN PARA EVENTOS MUTUAMENTE EXCLUYENTES

𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵

Evento A Evento B
Probabilidad condicional

La probabilidad de que un evento B ocurra cuando se sabe que ya ocurrió algún evento A
se llama probabilidad condicional y se denota con P(B|A). El símbolo P(B|A), por lo
general, se lee “la probabilidad de que ocurra B dado que ocurrió A” o simplemente “la
probabilidad de B, dado A”.

La probabilidad condicional de B, dado A, que se denota con P(B|A), se

define como:

𝑃 𝐴∩𝐵
𝑃 𝐵 ȁ𝐴 = 𝑠𝑖, 𝑃 𝐴 >0
𝑃 𝐴
El concepto de probabilidad condicional tiene innumerables aplicaciones industriales y biomédicas.
Considere un proceso industrial en el ramo textil, donde se producen franjas (tiras) para una clase de ropa
específica. Las franjas pueden estar defectuosas de dos maneras: en longitud y en textura. En cuanto a esta
última el proceso de identificación es muy complicado. A partir de información histórica del proceso se sabe
que 10% de las franjas no pasan la prueba de longitud, que 5% no pasan la prueba de textura y que sólo 0.8%
no pasan ambas pruebas. Si en el proceso se elige aleatoriamente una franja y una medición rápida identifica
que no pasa la prueba de longitud, ¿cuál es la probabilidad de que esté defectuosa en textura?

Considere los eventos 𝑃 T ∩ 𝐿 = 0.8%/100 =0.008

L : defecto en longitud, T : defecto en textura 𝑃 𝑇 = 10%/100 = 0.1
Así, como la franja está defectuosa en longitud, la probabilidad 𝑃 𝐿 = 5%/100= 0.5
de que esta franja esté defectuosa en textura está dada por

𝑃 T∩𝐿 0.008
𝑃 𝑇ȁ𝐿 = = 0.08
𝑃 𝑇 0.1
INDEPENDENCIA ESTADÍSTICA

Dos eventos A y B son estadísticamente independientes si y sólo si

P(A| B) = P(A)

Donde, P(A| B) = probabilidad condicional de A dado B

P(A) = probabilidad marginal de A

En el estudio de seguimiento de 300 hogares que realmente compraron un equipo de televisión de pantalla grande,
se preguntó a los encuestados si estaban satisfechos con sus compras. La tabla de contingencia de respuestas
cruzadas clasifica las respuestas a la pregunta sobre la satisfacción dependiendo de si el equipo de televisión era un
HDTV.

¿Satisfecho con la compra?

Tipo de televisión Si No Total
HDTV 64 16 80
No HDTV 176 44 220
Total 240 60 300

Determine si estar satisfecho con la compra y el tipo de televisor comprado son estadísticamente
independientes
64/300 64
𝑃(𝑠𝑎𝑡𝑖𝑠𝑓𝑒𝑐ℎ𝑜 ȁ 𝐻𝐷𝑇V) = = = 0.80
80/300 80
REGLA GENERAL DE LA MULTIPLICACIÓN La probabilidad de A y B es igual a la probabilidad de A dado B por la
probabilidad de B.
La regla multiplicativa es importante, por
P(A ∩ B) = P(A | B)P(B) que nos permite calcular la probabilidad de
P (A ∩ B) = P(A)P(B | A) que ocurran dos eventos.

Suponga que tenemos una caja de fusibles que contiene 20 unidades, de las cuales 5 están defectuosas. Si se
seleccionan 2 fusibles al azar y se retiran de la caja, uno después del otro, sin reemplazar el primero, ¿cuál es la
probabilidad de que ambos fusibles estén defectuosos?
Sean A el evento de que el primer fusible esté defectuoso y B el evento de que el segundo esté defectuoso;
entonces, interpretamos A∩B como el evento de que ocurra A, y entonces B ocurre después de que haya
ocurrido A. La probabilidad de separar primero un fusible defectuoso es 5/20 simplificado es 1/4; entonces, la
probabilidad de separar un segundo fusible defectuoso de los restantes 4 es 4/19. Por lo tanto

P(A ∩ B) = P(A) P(A | B)

1 4 1
𝑃 𝐴∩𝐵 = =
4 19 19
Dos eventos A y B son independientes si

𝑃 𝐴 ∩ 𝐵 = P (A) P (B)

y sólo si Por lo tanto, para obtener la probabilidad de que ocurran dos eventos
independientes, simplemente calculamos el producto de sus probabilidades individuales.