Tema: ALGEBRA DE EVENTOS Y PROBABILIDADES

Docente: ING. MG. JIMY F. RUIZ CACHI

2019-I
I
II
•Definiciones de Probabilidad
•Definición clásica, subjetiva y frecuentista de probabilidad.
•Algebra de Eventos.
•Regla de la adición: eventos mutuamente excluyentes y no excluyentes.
•Regla de la multiplicación: eventos independientes y dependientes.
•Probabilidad de eventos compuestos.
•Probabilidad condicional.

2
LOGRO DE SESION

Al término de la sesión, el estudiante resuelve problemas de situaciones

reales en Ingeniería, considerando las propiedades básicas y leyes de
probabilidades, con precisión en el cálculo.

3
Caso de estudio 1:

Para un Ingeniero tendrá sentido

preguntarse:

¿Qué porcentaje de las botellas

de su producción, tienen una cantidad
menor de contenido, especificado?

Esto sin tener que acceder

a toda la producción

4
Caso de estudio 2:

2) A un ingeniero encargado del

tratamiento de Agua le interesará
saber el % de bacterias en un
tanque

Esto sin tener que acceder

a todo el tanque

5
Los profesionales de ingeniería tienen como
exigencia intrínseca desarrollar investigación
permanente, ello significa, la búsqueda
sistematizada y objetiva de hechos o de
explicaciones
a fenómenos
relacionados
con su
entorno
laboral .

6
Casi toda decisión que un Ingeniero tiene
que tomar, de una u otra manera, presenta
algún elemento de incertidumbre, es decir,
en el momento en que la decisión es
tomada no se tiene la certeza absoluta de
cual será la consecuencia de la decisión
tomada.

7
Algunas veces, los efectos de la
incertidumbre son tan pequeños que su
influencia en la decisión tomada puede
despreciarse y por tanto se trata a la situación
que se presenta como que no tiene
incertidumbre y se toma la decisión con entera
confianza.

8
Pero en muchas ocasiones se enfrentan situaciones
donde la incertidumbre es importante y no puede
ser ignorada y en esas situaciones, las
probabilidades y la
estadística son
herramientas
eficaces para
tomar las
decisiones.

9
El objetivo de la PROBABILIDAD es
medir la incertidumbre de que
ocurran determinados Eventos.

10
INICIO DE LAS PROBABILIDADES

•La afición al juego fue lo que impulso el desarrollo de la

probabilidad.

•Los jugadores, en su esfuerzo por aumentar sus

ganancia pidieron a los matemáticos que les
proporcionaran las estrategias óptimas para varios juegos
de azar.

•Como resultado de este primer desarrollo de la teoría de

probabilidad, se extiende junto con la estadística a
muchos campos del saber humano.

12
1. EXPERIMENTO:

Es un hecho, acontecimiento u operación que se realiza

en nuestra realidad y que puede ser repetida bajo ciertas
condiciones.

Dentro de estos tenemos los deterministicos y no

deterministicos.

13
1.1. Experimentos Determinísticos:

Son aquellos cuyo resultado del experimento se

conoce con anterioridad y que puede describirse por
una formula matemática, física o química.

Ejemplos:

Soltar una piedra en el aire.

Lanzar una pelota en una tina con agua, etc.

14
1.2. Experimento NO deterministico o ALEATORIO (ε)

Son aquellos cuyos resultados del experimento no

pueden predecirse con exactitud antes de realizar el
experimento.

Ejemplos:

ε1= Lanzamiento de un dado y ver su puntaje obtenido.

ε2= Se fabrican artículos en una línea de producción y se

cuenta el número de artículos defectuosos producidos en
un periodo de 24 horas
15
2. ESPACIO MUESTRAL (Ω)

•Es el conjunto de todos los resultados posibles de un

experimento aleatorio.

Ejemplo:

Experimento Espacio Muestral

ε1 Ω1= {1,2,3,4,5,6}
ε2 Ω2 = {0, 1, 2,…, N}; en donde N es el
número máximo de artículos que
pudo ser producido en 24 horas.
16
3. EVENTO ( A, B, C …):

Se llama evento a cualquier subconjunto del espacio

muestral. Se denotan por letras mayúsculas del alfabeto.
Los eventos siempre de indica en forma de enunciado.

Ejemplo 1:

Para ε1 A= Lanzamientos pares de un dado A= { 2, 4, 6 }

Para ε2 B= Se fabrican menos de 10 artículos

B= { 0,1,2,3, 4, 5, 6,7,8,9 }
en la línea de producción

17
 Ejemplo 2:

Determinar los siguientes eventos si el experimento consiste en

verificar 3 tornillos, que pueden ser defectuosos (D) o no
defectuosos (N)
Solución:
ε: Verificar 3 tornillos
Ω= {DDD,DDN,DND,DNN, NDD, NDN,NND,NNN}

EVENTOS
A: Que el primer tornillo sea defectuoso. A= {DDD,DDN, DND,DNN}
B: Que los dos primeros sean No defectuosos. B= {NND,NNN}
C: Los últimos sean defectuosos. C= {DDD,DND,NDD,NND}
D: Ocurran por lo menos dos defectuosos. D= {DDD,DDN,NDD, DND}
E: Que ocurra que los tres tornillos sean E= {DDD}
defectuosos
F: Que ocurra que los tres tornillos sean a lo F = {DDD,DDN,DND,DNN, NDD,
más defectuosos NDN,NND,NNN} 18
4. CLASES DE EVENTOS

a. Evento unitario: Es aquel que contiene un solo resultado.

E: Que ocurra que los tres tornillos sean defectuosos

E= {DDD}

b. Evento compuesto: Es aquel que contiene 2 o mas resultados

A: Que el primer tornillo sea defectuoso.

A= {DDD,DDN, DND,DNN}

19
4. CLASES DE EVENTOS

c. Evento seguro: Es aquel que contiene a todos los elementos del Ω

F: Que ocurra que los tres tornillos sean a lo más defectuosos

F = {DDD,DDN,DND,DNN, NDD, NDN,NND,NNN}

d. Evento nulo: Es aquel que no contiene ningún elemento.

G: Que ocurra que los cuatro tornillos sean defectuosos

G=

20
5.SUCESO:

Se llama suceso a todo elemento del espacio muestral y

se denota por (w).

Ω = {CCC,CCS,CSC,CSS,SCC,SCS,SSC,SSS}

Suceso

21
EJEMPLO : Experimento, Espacio Muestral, Eventos
y Sucesos
Dos gasolineras se ubican en cierta intersección. Cada una tiene 6 bombas.
Considere el “experimento en el que para cada gasolinera se
determina el número de bombas en uso en determinado
momento del día”. Un resultado experimental especifica cuantas
bombas están en uso en la primera gasolinera y cuantas en la
segunda.

Un posible resultado es (2 ,2 ) otro es (4,1) y otro más (1,4). Los 49 resultados se

muestran:
Segunda Gasolinera
0 1 2 3 4 5 6
0 (0,0) (0,1) (0,2) (0,3) (0,4) (0,5) (0,6)
Primera Gasolinera

1 (1,0) (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

Ω =
2 (2,0) (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,0) (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,0) (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,0) (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,0) (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
22
EJEMPLO : Experimento, Espacio Muestral, Eventos y
Sucesos.
Cuando se observa el número de bombas en uso en cada una de las dos
gasolineras provistas con 6 bombas, hay 49 resultados posibles, así que
hay 49 eventos simples: E1 = (0,0) E2 = (0,1)… E49= (6,6)

A= (0,0) , (1,1) , (2,2), (3,3) , (4,4), (5, 5) , ( 6,6) = Evento en el que el

número de bombas en uso es el mismo para ambas gasolineras (con
7 sucesos).

B = (0,4) , (1,3), (2,2), (3,1),(4,0) = Evento en el que el número total de

bombas es cuatro (con 5 sucesos). .

C = ( 0,0) , (0,1) , (1,0) , (1,1) = Evento en el que a lo sumo una bomba

está en uso en cada gasolinera (con 4 sucesos)..

23
Ejercicios de Aula:

1. Indique Ud. si los siguientes experimentos son aleatorios:

a. Elegir una carta de una baraja (52 cartas) y señalar la figura obtenida. V F

b. Verificar el estado de dos transistores (apagado y prendido) V F

c. Lanzar una piedra a una tina con agua. V F

d. Lanzar 4 monedas y ver el número de caras. V F

e. Jugar un partido de fulbito V F

f. Soltar un plumón en el aire. V F

g. Rendir un examen. V F

h. Jugar la tinka V F
24
Ejercicios de Aula:
2. Indique el espacio muestral para los siguientes experimentos:

•Lanzar 2 monedas: Ω= {………………………………………………..}

•Lanzar 3 monedas Ω = {……………………………………………….}
•Lanzar 1 dado y una moneda Ω = {……………………………………………….}
•Lanzar 2 dados Ω = {……………………………………………….}
•Jugar un partido de fútbol Ω = {……………………………………………….}
•Rendir un examen Ω = {……………………………………………….}

25
6. REGLAS BASICAS DE PROBABILIDADES

1. Ley Fundamental de Probabilidad. Una

probabilidad siempre estará comprendida entre 0 y 1.
0 ≤ P ( A) ≤ 1
2. P (Ω) = 1. La probabilidad del espacio muestral es 1.

3. Ley del Complemento. Si A c es el complemento de

A, entonces:
P (Ac) + P (A) = 1
P (A c ) = 1 – P (A)
P ( A ) = 1 – P (A c)

26
7. ENFOQUES DE PROBABILIDAD

Existen tres enfoques de la probabilidad:

* Clásico
* Subjetivo
* Frecuentista.

27
7. ENFOQUES DE PROBABILIDAD

1. Enfoque clásico
El enfoque clásico o a priori de la probabilidad está basado en la
suposición de que todos los resultados del experimento son igualmente
posibles. La probabilidad se calcula de la siguiente manera:

número de posibles resultados del evento

Probabilidad del evento =
número total de resultados posibles del
experimento
Ejemplo:
El experimento es lanzar un dado. ¿Cuál es la probabilidad de que caiga
un dos hacia arriba?
P( caiga 2 ) = 1= 1/6 = 0.166
28
7. ENFOQUES DE PROBABILIDAD
2. Enfoque subjetivo

Si no hay experiencia anterior o hay muy poca sobre la cual basar

una probabilidad, esta se fundamenta en la intuición, opiniones,
creencias personales y otra información indirecta. Este tipo de
probabilidad es el enfoque subjetivo de la probabilidad.

Ejemplo:
P ( Que una Mujer sea elegida Presidente del Perú) = 0.50

29
7. ENFOQUES DE PROBABILIDAD
3 . Enfoque frecuentista
La probabilidad de que suceda un evento es determinada observando
como sucede el evento en el pasado. En términos de fórmula:

número de veces que sucedió el evento en el pasado

Probabilidad de que =
suceda un evento número total de observaciones

Ejemplo:
Se lanza una moneda. Para determinar la probabilidad de que caiga cara
se lanza 60 veces la moneda al aire, de las cuales 25 veces cayó cara. Si
aplicamos la fórmula:
P(cae cara ) = 25/ 60 = 0.42

30
 8. PROPIEDADES DE RELACIONES ENTRE EVENTOS

Sean A, B y C eventos de un mismo espacio muestral (Ω) entonces:

8.1 LEY O PROPIEDAD CONMUTATIVA

( C1) : A B  B  A
( C2) : A B  B  A

31
8. PROPIEDADES DE RELACIONES ENTRE EVENTOS

Sean A, B y C eventos de un mismo espacio muestral (Ω) entonces:

8.2 LEY O PROPIEDAD ASOCIATIVA

( A 1) : A  ( B  C )  ( A  B )  C

( A 2) : A  ( B  C )  ( A  B)  C

32
 9.LEYES O PROPIEDAD DISTRIBITIVA

Dados los eventos A, B y C, entonces:

(D1) : A ∩ ( B U C ) = ( A ∩ B ) U ( A ∩ C)
(D2) : A U ( B ∩ C ) = ( A U B ) ∩ ( A U C )

33
 10. LEYES DE MORGAN

Sean los eventos A y B

(M1) : A ∩ B = A U B
(M2) : A U B = A ∩ B

34
11. TEOREMAS DE PROBABILIDAD

1. Regla de Adición
2. Regla de Multiplicación
3. Probabilidad Condicional

35
 1 Regla de Adición
La Regla de Adición nos da la forma de calcular la probabilidad de
que ocurra el evento A ó B ó ambos.

a) Si los eventos son Dependientes b) Si los eventos son Independientes

o relacionados

A B A B

P ( A U B )= P (A) + P( B ) – P ( A ∩ B) P ( A U B ) = P (A) + P( B )

36
o Ejemplo 1:
Si el experimento es lanzar un dado una vez, el espacio muestral es:
Ω = { 1, 2, 3, 4, 5, 6 }
Si el evento A es cae un número par
A = { 2, 4, 6 }
Si el evento B es cae un número menor de 3
B = { 1, 2 }

¿Cuál será la probabilidad de que suceda alguno de estos dos

eventos?

37
 Solución al Ejemplo 1:

¿Cuál será la probabilidad de que suceda alguno de estos dos

eventos?
Entonces la probabilidad de A y la probabilidad de B es:

P(A) =3/6= 0.50 P(B) =2/6= 0.3366

Para aplicar el teorema es necesario conocer la probabilidad de la

intersección de estos dos eventos, es decir, la probabilidad de que
caiga un número par y menor de 3.

A ∩ B =Es el elemento { 2 }= P(A ∩ B) = 1/6 =0 .17

Si aplicamos la regla de adición:

P( A U B ) = P( A ) + P( B ) – P( A ∩ B )
P( A U B ) = 0.50 + 0.33 – 0.17 = 0.66 38
2 Regla de Multiplicación
La Regla de Multiplicación nos da la forma de calcular la probabilidad
de la intersección de dos eventos.

a) Si los eventos son Dependientes b) Si los eventos son Independientes

o relacionados

A B A B

P ( A ∩ B )= P (A) P ( B / A )
P ( A ∩ B )= P (B) P ( A / B ) P ( A ∩ B ) = P (A) P ( B )

39
 3 Probabilidad Condicional
La probabilidad de que ocurra un evento dado que otro evento ya
ha ocurrido se llama Probabilidad Condicional
a) Si los eventos son Dependientes b) Si los eventos son Independientes
o relacionados

A B A B

P(A/B) = P ( A ∩ B ) / P (B) P ( A / B ) = P (A)

P ( B / A ) = P ( A ∩ B ) / P (A) P ( B / A ) = P (B)
40
Ejemplo 2:

El experimento es extraer aleatoriamente dos fluoculantes de una caja

que contiene 5 fluoculantes liquidos y 5 fluoculantes sólidos ¿Cuál es
la probabilidad de que ambas fluoculantes sean líquidos?

P(A) = {probabilidad de que el primer fluoculante sea líquido}

P(B) = {probabilidad de que el segundo fluoculante sea líquido}
P(B│A) = {probabilidad de que el segundo fluoculante es líquido dado
que el primero es líquido}
P(A∩B) ={probabilidad de que los dos fluoculantes sean líquidos}

41
 Solución al Ejemplo 2:
* Al extraer el primer fluoculante, en la caja hay 5 tipos de fluoculate
líquidos de un total de 10, por lo que la probabilidad es:
P(A) = 5/ 10 = 0.50

** Al extraer el segundo fluoculante hay en la caja 4 fluoculantes

liquidos de un total de 9, por lo que la probabilidad de que el segundo
fluoculante sea líquido dado que el primero fue líquido es

P(B│A) =4/9 = 0.44

P(A∩B) = P(A) * P(B│A) = 0.5*0.44 = 0.22

La probabilidad de que los dos fluoculantes sean líquidos es 0.22

42
 Ejemplo 3:

Se lanzan dos monedas ¿Cuál es la probabilidad de que ambas caigan

cara?
Solución:
P(A) = {probabilidad de que caiga cara en la primera moneda}
P(B) = {probabilidad de que caiga cara en la segunda moneda}

P(A ∩ B) = P(A) * (P(B)

= (1/2)*(1/2)
= 0.25

43
 ¿QUÉ HEMOS VISTO?

•Definiciones de Probabilidad
•Definición clásica, subjetiva y frecuentista de probabilidad.
•Algebra de Eventos.
•Regla de la adición: eventos mutuamente excluyentes y no excluyentes.
•Regla de la multiplicación: eventos independientes y dependientes.
•Probabilidad de eventos compuestos.
•Probabilidad condicional.
Enfrentarse, siempre enfrentarse, es el
modo de resolver el problema.
¡Enfrentarse a él!.

Joseph Conrad (1857-1924) Novelista

británico de origen polaco
 BIBLIOGRAFIA BASICA:
Estimado estudiante, puedes revisar los siguientes textos que se encuentran en
tu biblioteca:

519.2 PROBABILIDAD Y ESTADÍSTICA PARA

1 SCHEAFFER Mc. CLAVE 2005
SCHE INGENIERÍA

519.5 LEVINE-KREHBIEL-
2 ESTADÍSTICA PARA ADMINISTRACIÓN. 2006
LEVI/P BERENSON

WILLIAM W. HINES
519.2 DOUGLAS C. MONTGOMERY PROBABILIDAD Y ESTADÍSTICA PARA
3 2011
HINE DAVID M. GOLDSMAN INGENÍERIA
CONNIE M. BORROR