PROBABILIDAD

Contenido
PROBABILIDAD.................................................................................................................. 1
.1 Espacio Muestral........................................................................................................ 1
.2 Eventos ...................................................................................................................... 1
.3 Conteo de Puntos Muestrales .................................................................................... 2
.4 Probabilidad de un Evento.......................................................................................... 5
.5 Reglas Aditivas ........................................................................................................... 5
.6 Probabilidad Condicional, Independencia y Regla del Producto ................................ 6
.7 Regla de Bayes ........................................................................................................... 7
Referencias:................................................................................................................... 8

.1 Espacio Muestral

Definición:
El espacio muestral (denotado como S) es el conjunto de todos los resultados
posibles de un experimento aleatorio.

Ejemplo:
Si se lanza un dado, el espacio muestral es S={1,2,3,4,5,6}.

Teoremas Importantes:

- Teorema (Espacio Muestral): Para cualquier experimento aleatorio, el espacio

muestral puede ser finito o infinito, y su definición es fundamental para el
cálculo de probabilidades.

.2 Eventos

Definición:
Un evento es un subconjunto del espacio muestral. Los eventos pueden ser
clasificados como:

- Eventos simples: Un único resultado (por ejemplo, obtener un "3" al lanzar un

dado).

- Eventos compuestos: Múltiples resultados (por ejemplo, obtener un número

par al lanzar un dado, es decir, {2,4,6}).
Teoremas Importantes:

- Teorema (Probabilidad de un Evento): La probabilidad de un evento A se

calcula como:

P(A)= Número de elementos en A / Número total de elementos en S

Ejemplo:
Si lanzas un dado, y deseas encontrar la probabilidad de obtener un número
par (evento A={2,4,6}):

- Número de elementos en A = 3.

- Número total de elementos en S=6.

P(A)=3/6=1/2

.3 Conteo de Puntos Muestrales

Definición:
El conteo de puntos muestrales se refiere a las técnicas utilizadas para contar
los diferentes resultados que pueden surgir de un experimento. Las dos
técnicas principales son:

- Regla de la multiplicación: Si hay n1 formas de hacer una cosa y n2 formas

de hacer otra cosa, el número total de formas en que ambas cosas pueden
ocurrir es n1×n2.

- Diagrama de árbol: Una herramienta visual para representar todas las

posibles combinaciones de resultados.

Teoremas Importantes:

- Teorema de la Multiplicación: Si un experimento se compone de k etapas, y la

primera etapa tiene n1 resultados posibles, la segunda etapa tiene n2
resultados posibles, y así sucesivamente hasta la k-ésima etapa, entonces el
número total de resultados es:

N=n1×n2×…×nk

Ejemplo:
Supongamos que un restaurante ofrece 3 aperitivos (A1, A2, A3) y 2 platillos
principales (P1, P2). Queremos calcular cuántas combinaciones de aperitivos y
platillos principales se pueden elegir.

1. Identificación:

- n1=3 (aperitivos)
- n2=2 (platillos principales)

2. Aplicación de la regla de la multiplicación:

N=n1×n2=3×2=6

Combinaciones:

- A1 con P1
- A1 con P2
- A2 con P1
- A2 con P2
- A3 con P1
- A3 con P2
.4 Probabilidad de un Evento
Definición:
La probabilidad de un evento es una medida cuantitativa que expresa la posibilidad de
que ocurra un evento específico dentro de un espacio muestral. Se representa como
un número entre 0 y 1, donde 0 indica que el evento no puede ocurrir y 1 indica que el
evento ocurrirá con certeza.
Fórmula: Si A es un evento y S es el espacio muestral, la probabilidad de A se define
como:
P(A)= Número de resultados favorables a A / Número total de resultados en S
Teoremas Importantes:
1. Totalidad de la Probabilidad: La suma de las probabilidades de todos los eventos en
un espacio muestral es igual a 1.
P(S)=1
2. Probabilidad Complementaria: La probabilidad de que un evento A no ocurra se
denota como A′ (complemento de A) y se calcula como:
P(A′)=1−P(A)
Ejemplo:
Supongamos que lanzamos un dado. Queremos encontrar la probabilidad de obtener
un número impar.
1. Identificación del espacio muestral:
S={1,2,3,4,5,6}
2. Identificación de los resultados favorables (números impares):
A={1,3,5}
3. Cálculo de la probabilidad:
- Número de resultados favorables = 3 (1, 3, 5)
- Número total de resultados = 6
P(A)=3/6=1/2

.5 Reglas Aditivas
Definición:
Las reglas aditivas de probabilidad se refieren a la forma de calcular la probabilidad de
que ocurra al menos uno de varios eventos. Estas reglas son esenciales para entender
cómo sumar probabilidades de eventos en el mismo espacio muestral.
Reglas:
1. Regla Aditiva para Eventos Mutuamente Excluyentes: Si dos eventos A y B no
pueden ocurrir simultáneamente (es decir, son mutuamente excluyentes), entonces la
probabilidad de que ocurra al menos uno de ellos es:
P(A∪B)=P(A)+P(B)
2. Regla Aditiva General: Si A1,A2,...,An son eventos, la probabilidad de que ocurra al
menos uno de los eventos es:

P(A1∪A2∪...∪An)=P(A1)+P(A2)+...+P(An)−P(A1∩A2)−P(A1∩A3)−...−P(An−1∩An)

Ejemplo:
Consideremos un experimento en el que lanzamos dos dados. Queremos encontrar la
probabilidad de obtener un número par en al menos uno de los dados.
1. Identificación de los espacios muestrales:
S=36 (siendo 6×6 las combinaciones de resultados al lanzar dos dados)
2. Identificación de los eventos:
- A: Al menos un dado muestra un número par.
- No se necesita calcular P(B) si se considera que los resultados A y B son
mutuamente excluyentes.
3. Resultados favorables:
- Posibles combinaciones que dan como resultado al menos un número par:
(1,2),(1,4),(1,6),...,(6,2),(6,4),(6,6)
4. Calcular probabilidades:
Se puede contar que hay 27 combinaciones donde al menos uno de los dados es par.
P(A)=27/36=3/4

.6 Probabilidad Condicional, Independencia y Regla del Producto

Definición de Probabilidad Condicional:
La probabilidad condicional de un evento B dado que ocurre otro evento A se denota
como P(B∣A). Se define como:
P(B∣A)= P(A∩B) / P(A)
donde P(A)>0 y P(A∩B) es la probabilidad de que ambos eventos ocurran.
Teorema de la Independencia:
Dos eventos A y B son independientes si la ocurrencia de uno no afecta la ocurrencia
del otro. Esto se expresa como:
P(A∩B)=P(A)P(B)
Regla del Producto:
Para calcular la probabilidad de que ocurran dos eventos A y B, se puede usar la regla
del producto, que afirma que:
P(A∩B)=P(A)P(B∣A)
Esto establece que para encontrar la probabilidad conjunta de dos eventos, puedes
multiplicar la probabilidad del primer evento por la probabilidad del segundo evento
dado que el primero ha ocurrido.
Ejemplo:
Supongamos que en una clase hay 60% de estudiantes que son hombres y 30% de
los hombres son atletas. Queremos encontrar la probabilidad de que un estudiante
seleccionado al azar sea hombre y atleta.
1. Identificación de Eventos:
- A: El estudiante es hombre.
- B: El estudiante es atleta.
2. Probabilidades Conocidas:
- P(A)=0.6
- P(B∣A)=0.3
3. Aplicación de la Regla del Producto:
P(A∩B)=P(A)P(B∣A)=0.6×0.3=0.18

La probabilidad de que un estudiante seleccionado al azar sea tanto hombre como

atleta es 0.18 o 18%.

.7 Regla de Bayes
Definición:
La Regla de Bayes permite actualizar la probabilidad de un evento basado en nueva
evidencia. Es especialmente útil en problemas de inferencia estadística. La regla se
expresa como:
P(A∣B)= P(B∣A)P(A) / P(B)
donde P(B) puede ser calculado usando la suma total de probabilidades:
P(B)=P(B∣A)P(A)+P(B∣A′)P(A′)

Teorema de Bayes:
Este teorema se utiliza cuando se necesita actualizar una probabilidad condicional en
función de nuevos datos. Es fundamental en estadística bayesiana.
Ejemplo :
Imaginemos que hay un 80% de probabilidad de que un estudiante pase un examen si
estudia y un 50% de probabilidad de que pase si no estudia. Un estudiante ha pasado
el examen y queremos saber la probabilidad de que haya estudiado. Suponemos que
el 70% de los estudiantes estudian.
1. Identificación de Eventos:
- A: El estudiante estudia.
- B: El estudiante pasa el examen.
2. Probabilidades Conocidas:
- P(A)=0.7
- P(A′)=0.3
- P(B∣A)=0.8
- P(B∣A′)=0.5
3. Calcular P(B):
P(B)=P(B∣A)P(A)+P(B∣A′)P(A′)=(0.8)(0.7)+(0.5)(0.3)=0.56+0.15=0.71
4. Aplicar la Regla de Bayes:
P(A∣B)=P(B)P(B∣A)P(A)=0.710.8×0.7=0.710.56≈0.789
La probabilidad de que el estudiante haya estudiado dado que ha pasado el examen
es aproximadamente 0.789 o 78.9%.

Referencias:
RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y KEYING YE ,
Probabilidad y estadística para ingeniería y ciencias, Novena edición , PEARSON
EDUCACIÓN, México, 2012