PROBABILIDADES

Experimentos y Eventos

Diapositiva 1
 Probabilidad
1 Cierto
 Es la medida numérica
de la posibilidad de que
un evento pueda ocurrir.
 Su valor está entre 0 y 1 .5

0 Imposible

Diapositiva 2
 Experimentos y Eventos
 ¿Cuál es la probabilidad de obtener 1 cara si
arrojamos una moneda una vez?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

c  1  0.5
c, s 2
Diapositiva 3
 Experimentos y Eventos
 ¿Cuál es la probabilidad de obtener 1 cara si
arrojamos una moneda tres veces?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

(css), (scs), (ssc) 3

  0.375
(ccc ), (ccs ), (csc), (css), (scc), (scs), (ssc), (sss) 8

Diapositiva 4
 C

C
S

C
C S

S C
S

C
S
ÁRBOL DE
PROBABILIDADES S
Diapositiva 5
 Experimentos y Eventos
 ¿Si lanzamos 2 dados, cuál es la probabilidad
de obtener un puntaje de 7?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)  6

 0.1667
62 36

Diapositiva 6
 Experimentos y Eventos
 ¿Cuál es la probabilidad de sacar un as al
sacar un naipe de una baraja?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

As de Corazones, As de Tréboles, As de Diamantes, As de Espadas  4


1
 0.0769
52 Naipes 52 13

Diapositiva 7
 Definiciones
 Experimento
 Actividad que origina un evento.
 Proceso de hacer una observación y obtener un resultado.
 Evento
 Uno o más de los posibles resultados de un experimento.
 Espacio Muestral
 Colección de todos los posibles resultados de un
experimento.

Diapositiva 8
 Experimento Espacio Muestral
Lanzar una moneda Cara, Sello.
Lanzar dos monedas CC, CS, SC, SS
Sacar una carta (valor) 2, 2, ..., A (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar, Perder
Inspeccionar una parte Defectuoso, Bueno

Diapositiva 9
 Experimento: Lanzar dos monedas
Espacio Muestral: CC, CS, SC, SS

Evento Resultados

1 Cara y 1 Sello CS, SC

Cara en la 1ra. moneda CC, CS
Al menos una Cara CC, CS, SC
Cara en cada lanzamiento CC

Diapositiva 10
5-37

Algunos principios de conteo

 Fórmula de la multiplicación: si hay m
modos de hacer una cosa y n formas de hacer
otra, existen m x n formas de hacer ambas.
 EJEMPLO: Una persona tiene 10 camisas y 8
corbatas. ¿Cuántos conjuntos de camisas
/corbatas tiene?
(10)(8) = 80.
5-38

Algunos principios de conteo

 Permutación: un arreglo de r objetos

seleccionados a partir de un grupo único
de n objetos posibles.

 Nota: el orden del arreglo es importante en las

permutaciones.

ESTADÍSTICA PARA LA
 Permutaciones
 Supóngase que hay ocho máquinas disponibles, pero
solo tres espacios en el piso del taller donde se han de
instalar tales máquinas. ¿De cuántos modos diferentes
pueden colocarse las ocho máquinas?

Diapositiva 13
 Permutaciones
 Primer espacio: 8 posibilidades
 Segundo espacio: 7 posibilidades (una ya se utilizó)
 Tercer espacio: 6 posibilidades.
 8 x 7 x 6 = 336 permutaciones
 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1  8!  8!
5x4x3x2x1 5! (8  3)!
n!
n Pr 
(n  r )!

Diapositiva 14
 Permutaciones
 Usted tiene 10 camisas. Suponiendo que cada
camisa que viste va a la ropa sucia y que las
camisas se lavan cada semana, ¿Cuántas
maneras diferentes de seleccionar sus camisas
se producen en una semana?
10! 10!
10 P 7    604,800
(10  7)! 3!

Diapositiva 15
 Permutaciones
 Se desean acomodar cinco libros en un librero,
¿De cuantas maneras posibles pueden ser
ordenados?
5! 5!
5 P5    120
(5  5)! 0!

Diapositiva 16
5-39

Principios de conteo
 Combinación: el número de modos para elegir
r objetos de un grupo de n objetos
 El orden no interesa.
 Combinaciones
 En un juego de cartas, usted recibe 5 naipes de una
baraja compuesta por 52 naipes. ¿Cuántas “manos”
de cartas puede usted recibir?
 Primer naipe: 52 posibilidades
 Segundo naipe: 51 posibilidades
 Tercer naipe: 50 posibilidades
 Cuarto naipe: 49 posibilidades.
 Quinto naipe: 48 posibilidades.
 52 x 51 x 50 x 49 x 48 = 311’875,200 manos.

Diapositiva 18
 Combinaciones
52! 52!
 
47! (52  5)!
52!
(52  5)! 52!
   2'598,960
5! 5!(52  5)!

n!
nCr 
r!(n  r )!
Diapositiva 19
 Combinaciones
 En una clase de 24 alumnos se quieren formar
6 grupos de estudio. ¿Cuántos grupos
diferentes se pueden formar?

24! 24!
24C 4    10,626
4!(24  4)! 4!*20!

Diapositiva 20
5-4

Enfoques de la probabilidad
 Probabilidad clásica: se basa en la
consideración de que los resultados de un
experimento son igualmente posibles.
 Utilizando el punto de vista clásico,
número de resultados favorables
Probabilidad de un evento =
número total de resultados posibles
5-8

Enfoques de la probabilidad
 Frecuencia Relativa: La probabilidad de que
un evento ocurra a largo plazo se determina
observando en qué fracción de tiempo
sucedieron eventos semejantes en el pasado.
número de veces que ocurrió el evento
Probabilid ad del evento =
número total de observaciones
 Frecuencia Relativa
Total de Caras
1.00 Número de Lanzamientos

0.75

0.50

0.25

0.00
0 25 50 75 100 125
Número de Lanzamientos
Diapositiva 23
5-10

Enfoques de la probabilidad
 Probabilidad Subjetiva: La probabilidad de que
suceda un evento específico que asigna una
persona con base en cualquier información
disponible.
 Ejemplos de la probabilidad subjetiva son estimar
la probabilidad de que un equipo de fútbol gane el
campeonato este año.
 Clases de Eventos
 Eventos Mutuamente Excluyentes
 Dos o más eventos que no pueden ocurrir al mismo
tiempo.
 A: Reina de Corazones; B: Reina de Espadas
 Los eventos A y B son mutuamente excluyentes.
 Eventos No Mutuamente Excluyentes
 Dos o más eventos que si pueden ocurrir al mismo tiempo.
 A: Naipes de Corazones; B: As
 Los eventos A y B no son mutuamente excluyentes.
 El As de Corazones

Diapositiva 25
 Mutuamente Excluyentes

Evento A Evento B

Espacio Muestral

Diapositiva 26
 No Mutuamente Excluyentes

Evento A Evento B

Diapositiva 27
5-11

Reglas básicas de probabilidad

 Si los eventos son mutuamente excluyentes, la
ocurrencia de cualquier evento impide que el otro
evento ocurra.

Evento A Evento B
 Regla de la Adición
 Si dos eventos A y B son mutuamente
excluyentes, la probabilidad de que ocurra A o
B es igual a la suma de sus probabilidades
respectivas:
 P(A o B) = P(A) + P(B)
 Probabilidad que al lanzar una moneda salga
cara o sello.

Diapositiva 29
5-14

Regla del complemento

 La regla del complemento se utiliza para
determinar la probabilidad un evento, conociendo
su probabilidad de No Ocurrencia.
 Se obtiene restando del número 1 la probabilidad
de que No ocurra un evento.
 Si P(A) es la probabilidad del evento A y P(Ac) es
el complemento de A,
 P(A) + P(Ac) = 1
 P(A) = 1 – P(Ac).
 Complemento

Complemento de A
Evento A
Ac

Diapositiva 31
5-18

Regla especial de la adición

 Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente fórmula:
 P(A o B) = P(A) + P(B) - P(A y B)
 Regla especial de la Adición

Evento A Evento B

P(A o B) = P(A) + P(B) - P(A y B)

Diapositiva 33
 PROBABILIDADES

Independencia y Dependencia
Estadística

Diapositiva 34
 Independencia Estadística
 La presentación de un evento no tiene efecto
sobre la probabilidad de presentación de
cualquier otro evento.
 Probabilidad Marginal o Incondicional
 Probabilidad Conjunta
 Probabilidad Condicional

Diapositiva 35
 Probabilidad Marginal
 Probabilidad simple de presentación de un
evento. P(A).
 Probabilidad de obtener un as.
 Probabilidad de obtener una carta de
corazones.
 Probabilidad de sacar una cara al lanzar una
moneda.

Diapositiva 36
5-23

Probabilidad Conjunta
 Probabilidad de que dos o más eventos
independientes se presenten juntos o en
sucesión. P(AB) o P(A,B) o P(AyB).
 Probabilidad de sacar un as de corazones.
 Probabilidad de obtener tres caras al lanzar una
moneda tres veces.
5-24

Regla especial de multiplicación

 La regla especial de multiplicación requiere
que dos eventos A y B sean independientes.
 P(A y B) = P(A ∩ B)= P(A) * P(B).
 Tabla de Contingencia

Evento
Evento B1 B2 Total
A1 P(A1 y B1) P(A1 y B2) P(A1)

A2 P(A2 y B1) P(A2 y B2) P(A2)

Total P(B1) P(B2) 1

Probabilidad Probabilidad Marginal (Simple)

Conjunta
Diapositiva 39
 Tabla de Contingencia

Color
Tipo Rojo Negro Total
As 2 2 4
No As 24 24 48
Total 26 26 52

Diapositiva 40
 Tabla de Contingencia

Color
Tipo Rojo Negro Total
As 1/26 1/26 2/26
No As 6/13 6/13 12/13
Total 13/26 13/26 26/26

Diapositiva 41
 Escoger un artículo
¿Cuál es la Probabilidad?
P (A) =
Evento
P (D) = Evento C D Total
P (C y B) = A 4 2 6
P (A o D) = B 1 3 4
Total 5 5 10
P (B y D) =
A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.

Diapositiva 42
 Solución

Las probabilidades son:

Evento
P (A) = 6/10
Evento C D Total
P (D) = 5/10 A 4 2 6
P (C y B) = 1/10 B 1 3 4
Total 5 5 10
P (A o D) = 9/10
P (B y D) = 3/10
Diapositiva 43
5-27

Probabilidad Condicional
 Probabilidad condicional es la probabilidad de
que ocurra un evento en particular, dado que
otro evento ya ocurrió. P(A|B). Probabilidad de
A “dado” B.
 En el caso de eventos independientes, como el
evento B no influye en el evento A:
P(A|B) = P(A)
(Sirve para demostrar A y B son independientes)
 Dependencia Estadística
 Cuando la probabilidad de que se presente
algún evento depende o se ve afectada por la
presentación de algún otro evento.
 Probabilidad Condicional
 Probabilidad Conjunta
 Probabilidad Marginal

Diapositiva 45
 Color: C Puntos: P
Grises: G Rayas: R

Diapositiva 46
Diapositiva 47
Diapositiva 48
  P(P|C) = 3/4
 P(P,C) = 3/10
 P(C) = 4/10 3
P( P, C ) 10 3
P( P | C )   
P(C ) 4 4
10
Diapositiva 49
  P(R|C) = 1/4
 P(R,C) = 1/10
 P(C) = 4/10 1
P( R, C ) 10 1
P( R | C )   
P(C ) 4 4
10
Diapositiva 50
  P(P|G) = 2/6 = 1/3
 P(P,G) = 2/10
 P(G) = 6/10 2
P( P, G ) 10 1
P( P | G )   
P(G ) 6 3
10
Diapositiva 51
  P(G|P) = 2/5
 P(G,P) = 2/10
 P(P) = 5/10 2
P(G, P) 10 2
P(G | P)   
P( P) 5 5
10
Diapositiva 52
  P(C|R) = 1/5
 P(C,R) = 1/10
 P(R) = 5/10 1
P(C , R) 10 1
P(C | R)   
P( R) 5 5
10
Diapositiva 53
 Probabilidad Condicional
(Dependencia Estadística)
P( A, B)
P( A | B) 
P( B)

P( B, A)
P( B | A) 
P( A)

Diapositiva 54
 Probabilidad Conjunta
(Dependencia Estadística)

P( A, B)  P( A | B) * P( B)
P( B, A)  P( B | A) * P( A)

Diapositiva 55
 P( A, B)  P( A | B) * P( B)
 P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
 P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10

Diapositiva 56
 Probabilidad Marginal
(Dependencia Estadística)
 Suma de las probabilidades de TODOS los
eventos CONJUNTOS en los que se presenta
el evento sencillo.
 P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
 P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10

P(C) = P(C,R) + P(C,P) = 1/10 + 3/10 = 4/10

Diapositiva 57
 Ejercicio
¿Cuál es la probabilidad?
P (A|D) = Evento
Evento C D Total
P (C|B) =
A 4 2 6
Son C y B B 1 3 4
independientes?
Total 5 5 10
A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.

Diapositiva 58
 Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

2
P(A y D) 10 2
P(A | D)   
P(D) 5 5
10
1
P(C y B) 10 1
P(C | B)   
P(B) 4 4
10
5 1 6 2
P(C)   P(A)  
10 4 10 5
Diapositiva 59
 Tipos de Probabilidades

Tipos de Condiciones de Condiciones de

Probabilidad Símbolo Independencia Estadística Dependencia Estadística

Marginal P(A) P(A)  P (ABi)

Conjunta P ( A,B ) P(A) x P (B) P (A | B) x P (B )
Condicional P ( A|B ) P(A) P (A,B) / P ( B )

Diapositiva 60
 Teorema de Bayes
Revisión de Probabilidades

Posibilidades Información Teorema Posibilidades

a priori Nueva de Bayes posteriores

P( B, A)
P( B | A) 
P( A)

Diapositiva 61
 Teorema de Bayes
 En un pueblo alejado, 5% de la población padece una
enfermedad originaria de dicho lugar. A priori podemos
afirmar que la probabilidad de que una persona seleccionada al
azar padezca la enfermedad es 5%, y de que no la padezca es
95%.
 Existe una prueba de diagnóstico para detectar la enfermedad.
 Si una persona tiene la enfermedad, la prueba sale positiva en 90% de
los casos.
 La estadística muestra además que en 15% de los casos, a pesar de que
la persona no padecía la enfermedad, la prueba salió positiva.
 Si escogemos a una persona, y al hacerle la prueba de
diagnóstico, ésta sale positiva, ¿Cuál es la probabilidad de que
la persona tenga realmente la enfermedad?

Diapositiva 62
 P(P|E) P(E,P)=0.05x0.90=0.0450

P(E)
0.0450 +
P(E,N)=0.05x0.10=0.0050 0.1425
P(N|E)
0.1875

P(P|noE)
P(noE,P)=0.95x0.15=0.1425

P(no E)

P(N|noE) P(noE,N)=0.95x0.85=0.8075

P( E , P) 0.0450
P( E | P)    0.24
P( P) 0.1875
Diapositiva 63
 Teorema de Bayes
 Una manufacturera recibe embarques de piezas de dos
proveedores. El 65% de las piezas adquiridas provienen del
proveedor 1 y el 35% restante del proveedor 2. Según la
estadística existente, de las 100 últimas piezas recibidas del
proveedor 1, 98 estuvieron buenas y 2 estuvieron malas. En el
caso del proveedor 2, 95 piezas de 100 estuvieron buenas y 5
fueron malas. Suponga que una de las piezas recibidas de los
dos proveedores está mala, ¿cuál es la probabilidad que
provenga del proveedor 1? ¿Cuál es la probabilidad que
provenga del proveedor 2?

Diapositiva 64
 P(B|1) P(1,B)=0.65x0.98=0.6370

P(1)

P(1,M)=0.65x0.02=0.0130
P(M|1)

P(B|2) 0.0130 +
P(2,B)=0.35x0.95=0.3325 0.0175
0.0305
P(2)

P(M|2) P(2,M)=0.35x0.05=0.0175

P(1, M ) 0.0130 P(2, M ) 0.0175

P(1 | M )    0.4262 P(2 | M )    0.5738
P( M ) 0.0305 P( M ) 0.0305

Diapositiva 65
 Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Conjunta
Evento P(Evento) P(Mala|Evento) P(Evento,Mala)
Proveedor 1 0.65 0.02 0.0130 P(1,Mala)
Proveedor 2 0.35 0.05 0.0175 P(2,Mala)
0.0305 P(Mala)

P(1|M) 0.4262

P(2|M) 0.5738

P(1, M ) P(2, M )
P(1 | M )  P(2 | M ) 
P( M ) P( M )

Diapositiva 66
 Teorema de Bayes
 En una fábrica existe una máquina que produce
automáticamente engranajes. Si la máquina está correctamente
calibrada producirá 90% de piezas buenas. Si está mal
calibrada producirá sólo 40% de piezas buenas. La experiencia
pasada indica que el 70% de los trabajos de calibración dan
buenos resultados. Luego de un trabajo de mantenimiento, la
máquina produce 3 engranajes buenos, como las primeras tres
piezas.
 Se desea conocer la probabilidad revisada que la calibración
halla sido buena?

Diapositiva 67
 P(BBB|C)
P(C,BBB)=0.70x(0.90)3=0.5103
P(BB|C)

P(B|C)
0.5103 +
P(C) 0.0192
0.5295

P(NC,BBB)=0.30x(0.40)3=0.0192

P(NC)

P(C , BBB ) 0.5103

P(C | BBB )    0.9637
P( BBB ) 0.5295

Diapositiva 68
 Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)

P(Calibrada|BBB) 0.9637

P(No Calibrada|BBB) 0.0363

P(Calibrada , BBB )
P(Calibrada | BBB ) 
P( BBB )

P( No Calibrada , BBB )
P( No Calibrada | BBB ) 
P( BBB )

Diapositiva 69