PROBABILIDADES

EVENTO
sucedió?
sucederá?

INCERTIDUMBRE

se expresa como probabilidades

 ¿ por qué lo estudiamos ?

base para

INFERENCIA ESTADÍSTICA
1. ¿Qué queremos decir al afirmar que la probabilidad de un
evento es, por ejemplo, 0,2?

P (evento) = 0,2

Una probabilidad (P) siempre está asociada, o se refiere, al resultado de un

experimento; es una medida de su incerteza.

1. Si P = 0 : el evento es imposible, nunca puede ocurrir

2. Si P = 1 : el evento es cierto, va a ocurrir en cada repetición de algún

fenómeno aleatorio.

3. Si P = 0,2 : el evento es muy poco posible, pero ocurrirá una vez cada tanto
en una larga secuencia de experimentos

4. Si P = 0,6 : el evento ocurrirá más frecuentemente de lo que no ocurrirá.

2. ¿Cómo se determina esa probabilidad?

definición clásica
frecuencial
personalista

Antes debemos definir algunos términos

EXPERIMENTO ALEATORIO

cualquier proceso que puede repetirse bajo las mismas

condiciones un sinnúmero de veces, y que genera un conjunto
de datos o resultados.

Ese conjunto de datos dependerá del azar.

1- reglas o condiciones bien definidas

2- repetibilidad bajo esas reglas

3- no se sabe cual será el resultado en una de las repeticiones del

experimento en particular, aunque se pueden enumerar de antemano los
posibles resultados.
EXPERIMENTO ALEATORIO

cualquier proceso que puede repetirse bajo las mismas

condiciones un sinnúmero de veces, y que genera un conjunto de
datos o resultados.

Ese conjunto de datos dependerá del azar.

Ejemplos:
- lanzar una moneda al aire y ver si sale cara o ceca

(ccxcxxxcxcxxccccxcx)
- registrar el número de machos por camada de cerdos

- colocar 20 semillas en una bandeja y registrar cuántas germinan

EXPERIMENTO ALEATORIO

cada resultado posible  un valor de PROBABILIDAD

indica la posibilidad de que ese

resultado se produzca

número entre 0 y 1
2. ¿Cómo se determinan en la práctica los números que
llamamos probabilidad?

Definición clásica

Si un experimento puede producir n resultados mutuamente

excluyentes, siendo todos igualmente probables:

N° de resultados favorables
f
p
n N° de resultados posibles
2. ¿Cómo se determinan en la práctica los números que
llamamos probabilidad?

Ejemplo de cálculo de P usando al definición clásica :

Experimento: sacar una bolilla y observar de qué color es

Resultados posibles: roja, verde o blanca

En la urna hay 30 rojas, 20 verdes y 40 blancas

La probabilidad de que salga una bolilla verde será:

f nº resultados favorables 20
p 𝑝= =0 , 22
n nº total de resultados posibles 90
2. ¿Cómo se determinan en la práctica los números que
llamamos probabilidad?

Ejemplo de cálculo de P usando al definición clásica :

Experimento: lanzar un dado y observar qué número sale

resultados posibles: 1, 2, 3, 4, 5, 6 (mutuamente excluyentes)

La probabilidad de que salga par será:

f nº resultados favorables (que sea par) 3

p p  0,5
n nº total de resultados posibles 6
 2. ¿Cómo se determinan en la práctica los números que
llamamos probabilidad?

Definición frecuencial

Si un experimento se realiza n veces con f éxitos, se supone que la

frecuencia relativa, calculada como f/n tiende a un límite cuando n
aumenta. La probabilidad de éxito es:
𝒇
𝐥𝐢𝐦
𝒏→ ∞ 𝒏
En la práctica se estima la probabilidad

con un n grande

cuando la probabilidad no varía al aumentar n

2. ¿Cómo se determinan en la práctica los números que
llamamos probabilidad?

Ejemplo de cálculo de P usando la definición frecuencial

¿Cuál es la probabilidad de que una semilla de acacia germine?

muestra fi ni fi ni probabilidad

1
0.50

15 30 15 30 0,5000
2 12 30 27 60 0,4500
0.49

probabilidad
3 18 30 45 90 0,5000
0.47

4 14 30 59 120 0,4916
0.46

5 15 30 74 150 0,4933 0.45

15 52 88 125 162 198 235 272 308 345

6
tamaño de la muestra total

12 30 86 180 0,4777
7 17 30 103 210 0,4904 muestra
8 15 30 118 240 0,4916
9 13 30 131 270 0,4851 suficientemente grande
10 14 30 145 300 0,4833
11 14 30 159 330 0,4818
p = 0,48
2. ¿Cómo se determinan en la práctica los números que
llamamos probabilidad?

Definición clásica

se calcula a priori (no es necesario realizar el experimento para

calcular las probabilidades deseadas la probabilidad)

Definición frecuencial

se calcula a posteriori (es necesario repetir el experimento un

número grande de veces)

AMBAS SON OBJETIVAS

2. ¿Cómo se determinan en la práctica los números que
llamamos probabilidad?

Si no pueden usar las anteriores se utiliza la definición subjetiva

no tiene valor en el campo de las ciencia

(se basa en la intuición, en evidencias indirectas o en conceptos

fundamentales relacionados al evento)
 Términos específicos

ESPACIO MUESTRAL

Conjunto de todos los resultados posibles del un experimento

aleatorio

Representado por una S

PUNTO MUESTRAL

Cada uno de los resultados posibles del experimento se los

representa generalmente con letras o números
 Términos específicos

Ejemplo

Experimento aleatorio: arrojar un dado y registrar qué número sale

Espacio muestral

S =  1, 2, 3, 4, 5, 6 
S
1 6
puntos muestrales 3
5
4 2
 Términos específicos

 Ejemplo: Consideremos a todos los alumnos que cursan

Estadística clasificados en recursantes y no recursantes.
Experimento aleatorio: seleccionar un alumno de la lista.
Los resultados posibles de esta selección serán: que sea
recursante (R) o no sea recursante (N).
S = {R,N }
Experimento aleatorio: elegir dos alumnos de la lista, los
puntos muestrales que conforman el espacio muestral
serían:
S = {RR, RN, NR, NN }
 Términos específicos
EVENTO o SUCESO

subconjunto del espacio muestral

se denotan con letras como A, B, C, ...

Ejemplo

Experimento aleatorio: arrojar un dado y registrar el número que

sale
A =  1, 3 

A B =  2, 4, 6 
1 6
C =  5, 4 
3
5 D=
4 2
E=3
 Términos específicos

DIAGRAMA DE VENN

Representación del espacio muestral y de los sucesos

rectángulo elipse

S
A

B
 Términos específicos

La unión de dos conjuntos ( A  B )

conforma un nuevo conjunto que
contiene a los puntos muestrales de A y
S
de B A

P(A  B) : probabilidad total B

A =  1, 3 
S
A
B =  2, 4, 6 

(A  B) =  1, 3, 2, 4, 6  B
 Términos específicos
La intersección de dos conjuntos

( A  B ) conforma un nuevo conjunto

que contiene a los puntos muestrales
que pertenecen tanto a A como a B.

S
A
P(A  B): probabilidad conjunta
B
A =  1, 2, 3 

B =  2, 4, 6 

(A  B) =  2 
 Términos específicos

SUCESOS MUTUAMENTE EXCLUYENTES

dos sucesos, A y B son mutuamente excluyentes cuando no
pueden ocurrir juntos, es decir si no tienen elementos en común.

(A  B) =  Su probabilidad conjunta: P(A  B) = 0

Ejemplo EA: elegir dos estudiantes y registrar si es recursante o no

S = RR, RN, NR, NN

A = {RR, RN } y B = {NR, NN } son m. e.

 Términos específicos

SUCESOS NO MUTUAMENTE EXCLUYENTES

dos sucesos, A y B son no mutuamente excluyentes cuando
tienen elementos en común.

(A  B)   Su probabilidad conjunta: P(A  B) > 0

Ejemplo EA: elegir dos estudiantes y registrar si son recursantes o

no

S = RR, RN, NR, NN

A = {RR, NN} y B = {NR, RN, NN} A  B = { NN }

A y B no son m. e.
 Términos específicos

SUCESOS COLECTIVAMENTE EXHAUSTIVOS

dos sucesos, A y B son colectivamente exhaustivos si la unión de
ellos es un suceso que contiene a todos los elementos del
espacio muestral S..

(A  B) = S Su probabilidad total es: P(A  B) = 1

Ejemplo EA: elegir dos estudiantes y registrar si es recursante o no

S = RR, RN, NR, NN 

A = {RR, NN } y B = {NR, RN } son c. e.

(A  B) = {RR, RN, NR, NN } = S

¿Cómo determino la probabilidad de un suceso A
asociado con un experimento?

P(A)

Necesito conocer:

el conjunto de puntos muestrales de S

el subconjunto de puntos muestrales de A

Ejemplo:

S = RR, RN, NR, NN 

A = {RR, NN }
¿Cómo determino la probabilidad de un suceso A ?

a) si cada elemento del espacio muestral tiene la misma

probabilidad de ocurrir → uso definición clásica
f
p
n
Ejemplo EA: lanzar un dado y registrar en número

S= {1, 2, 3, 4, 5, 6} cada elemento es igualmente probable. Si

el suceso A = {2, 5, 6}, entonces la P(A) = 3/6 = 0,5
Cómo determino la probabilidad de un suceso A ?

b) Si los puntos muestrales no tienen la misma probabilidad de

ocurrir

P (A) = suma de las probabilidades de todos los puntos muestrales

que incluye ese evento A.

Ejemplo EA: seleccionar dos alumnos de una lista donde el 30%

son recursantes y el resto no

S = { RN, NR, RR, NN }

A = { RN, NR, NN }

P(A) = P(RN) + P(NR) + P(NN)

Para establecer todos los resultados posibles de un experimento 
DIAGRAMA DEL ÁRBOL

Ejemplo 2: Si el experimento consiste en seleccionar un solo fruto, pero será clasificado de

acuerdo a dos características, estado sanitario y tamaño (Grande, Mediano, Pequeño) y el color
(negro, pardo) el diagrama será:
1º característica 2º característica 3º característica resultados posibles
Grande Negro SGN
Rojo SGR
S Mediano Negro SMN
Rojo SMR
Pequeño Negro SPN
Rojo SPR
Grande Negro EGN
Rojo EGR
E Mediano Negro EMN
Rojo EMR
Pequeño Negro EPN
Rojo EPR
3. ¿Cuáles son las reglas matemáticas que las rigen?

TEOREMAS DE PROBABILIDAD

Teorema 1 -

Si A es un evento, luego: 0  P(A)  1 para todo A

P(A) = n(A)/ n(S)

donde n(A) puede variar de 0 a n

TEOREMAS DE PROBABILIDAD

Teorema 2 -

Si S representa al conjunto de todos los resultados posibles de

un experimento aleatorio, luego la

P(S) = nº de casos favorables / nº de casos posibles

n(S)
P(S)  1
n(S)
TEOREMAS DE PROBABILIDAD

Teorema 3 -

Dados dos sucesos A y B, definidos en un mismo espacio

muestral, tales que (A  B) = 
Þ mutuamente excluyentes

la unión de los sucesos A y B es otro conjunto formado por todos

los elementos pertenecientes a A o a B, o tanto a A como a B. La
probabilidad de esa unión será:

P(A  B) = P(A) + P(B) REGLA ADITIVA ESPECIAL

TEOREMAS DE PROBABILIDAD

Ejemplo EA:

arrojar un dado y registrar qué número sale

S = {1, 2, 3, 4, 5, 6}

Si A = {1, 2} y B = {4, 5, 6} entonces

(A  B) = {1, 2, 4, 5, 6}

P(A) = 2/6 P(B) = 3/6 P(AB) = 2/6 + 3/6 = 5/6

TEOREMAS DE PROBABILIDAD

Teorema 4 -

Dados dos sucesos A y B, definidos en el mismo espacio

muestral, tales que (A  B)   , o sea no mutuamente
excluyentes

P(A  B) = P(A) + P(B) - P (A  B)

REGLA ADITIVA GENERAL

TEOREMAS DE PROBABILIDAD

Ejemplo: A = {1,2,3,4,5 } B = {4,5,6 }

(A  B) = {4,5 }

(A  B) = (A) + (B) - (A  B)

= {1,2,3,4,5} + {4,5,6} - {4,5}

= {1,2,3,4,5,6}

P(A) = 5/6 P(B) = 3/6 P(AB) = 2/6

P(AB) = 5/6 + 3/6 – 2/6 = 6/6

TEOREMAS DE PROBABILIDAD

Teorema 5 - T- de complementación

A cada suceso está asociado un suceso complementario, que

incluye a todos los puntos muestrales de S que no están
contenidos en A.

Ese nuevo suceso se denomina complemento de A

se simboliza Ā
P ( A ) 1  P ( A)

S A S A

Sucueso A Suceso complementario de A = A

TEOREMAS DE PROBABILIDAD

Teorema 5 - T. de complementación

Ejemplo EA: arrojar un dado

si A = {1,2,3,4,5}

Ā = 6 

La probabilidad de A es :

P(A) = 1 – P(Ā) = 1 – P(6) = 1 – 1/6 = 0.83

Dado que la suma de los dos sucesos es S, y la P(S) = 1

TEOREMAS DE PROBABILIDAD

Teorema 6 - Probabilidad condicional

Dados dos sucesos A y B definidos en un mismo espacio

muestral, la probabilidad condicional de A habiendo ocurrido B
es igual a la probabilidad conjunta de A y B dividido la
probabilidad de B. La probabilidad condicional se simboliza
P(A/B) y se lee “probabilidad de A dado B”.

❑
𝐏
𝐁
=( )
𝐀 𝐏 ( 𝐀 ∩ 𝐁)
𝐏 (𝐁)
TEOREMAS DE PROBABILIDAD

Teorema 6 - Probabilidad condicional

Se denomina probabilidad condicional porque el evento B, el

que ya ocurrió, actúa como condicionante modificando la
probabilidad de ocurrencia de A.

El conjunto de todos los resultados posibles constituye un

subconjunto de S

La población de interés es reducida por un conjunto de

condiciones o información adicional, no aplicables a la población
total.
TEOREMAS DE PROBABILIDAD

Teorema 6 - Probabilidad condicional

Ejemplo: Los alumnos de Estadística son clasificados de acuerdo al

Varón Mujer Total
sexo y la carrera
Agronomía 30 26 56
Biología 10 15 25
Recursos 15 4 19
Total 55 45 100

La probabilidad de ser de Agronomía dado que es varón (P(A/V), sería la

probabilidad de ser de agronomía pero no entre todos los alumnos sino entre el
grupo de varones.
P(A/V) = nº(A  V) / nº(V) = 30 / 55 = 0.54
P(A/V) = P (A  V) / P(V) = 0.30 / 0.55 = 0.54
TEOREMAS DE PROBABILIDAD

Si:
P(A/B) = P (A  B)  P(A  B) = P(B) P(A/B)
P(B)

y si: P(B/A) = P (A  B)  P(A  B) = P(A) P(B/A)

P(A)

P(A  B) = P(A)  P(B/A) = P(B)  P(A/B)

REGLA MULTIPLICATIVA GENERAL

TEOREMAS DE PROBABILIDAD

Teorema 7 - Dados dos sucesos cualesquiera A y B, definidos en un

mismo espacio muestral, la probabilidad de que A y B ocurran
juntos es:

la probabilidad de la probabilidad
multiplicado
un suceso por condicional del otro

P(A  B) = P(A)  P(B/A)

= P(B)  P(A/B)

REGLA MULTIPLICATIVA GENERAL

TEOREMAS DE PROBABILIDAD

Cuando la probabilidad de un suceso A dado B es igual a la

probabilidad de A, P(A/B) = P(A)

 la probabilidad de A no está afectada por la ocurrencia

de B

→ los sucesos A y B son INDEPENDIENTES

P(A  B) = P(A) . P(B)

REGLA MULTIPLICATIVA ESPECIAL

TEOREMAS DE PROBABILIDAD

Teorema 8 –

Dados dos sucesos A y B, definidos en un mismo espacio muestral,

si son independientes entonces la probabilidad de que A y B
ocurran juntos es igual a la probabilidad de un suceso por la
probabilidad del otro.

Independientes: la ocurrencia de uno de ellos no afecta la

probabilidad de ocurrencia del otro.

P(A  B) = P(A) . P(B)

REGLA MULTIPLICATIVA ESPECIAL

TEOREMAS DE PROBABILIDAD
Pelaje Hembra Macho Total
Ejemplo
Blanco 12 8 20
Negro 9 6 15
Total 21 14 35

P(B/H) = 12 /21 = 0.57

P(B/M) = 8 / 14 = 0.57

P(B) = 20 / 35 = 0.57

P(B) = P(B/H) = P(B/M)  son independientes

Además, puedo calcular

Probabilidad real P(BH) = 12/35 = 0,343
Probabilidad si fueran independientes la P(BH) =
P(B) . P(H) = (20/35).(21/35)= 0,343 (coinciden!  los
sucesos son independientes
TEOREMAS DE PROBABILIDAD

La INDEPENDENCIA

está muy relacionada con la forma en que se realiza el

experimento

* Las extracciones sucesivas realizadas con reposición generan

sucesos independientes.

* Las extracciones sucesivas realizadas sin reposición generan

sucesos dependientes.
TEOREMAS DE PROBABILIDAD

Ejemplo: Se tienen en un bioterio 4 ratones enfermos (E) y 6

ratones sanos (S).

a) Si se extraen al azar dos ratones, con reposición, cual es la

probabilidad de obtener dos ratones enfermos?

Respuesta: P(E y E) = P(E  E)

= (4/10)
TEOREMAS DE PROBABILIDAD

Ejemplo: Se tienen en un bioterio 4 ratones enfermos (E) y 6

ratones sanos (S).

a) Si se extraen al azar dos ratones, con reposición, cual es la

probabilidad de obtener dos ratones enfermos?

Respuesta: P(E y E) = P(E  E)

= (4/10) . (4/10) = 0.16

TEOREMAS DE PROBABILIDAD

Ejemplo: Se tienen en un bioterio 4 ratones enfermos (E) y 6

ratones sanos (S).

b) Y si la extracción se hace sin reposición, cuál es la probabilidad

de obtener dos ratones enfermos?

Respuesta: P(E y E) = P(E  E)

= (4/10) . (3/9) = 0.1333

TEOREMAS DE PROBABILIDAD
Varón Mujer Total
Ejemplo: Los alumnos de
Agronomía 30 26 56
Estadística son clasificados de Biología 10 15 25
acuerdo al sexo y la carrera Recursos 15 4 19
Total 55 45 100

La probabilidad de seleccionar un alumno varón puede calcularse como

la suma de las probabilidades de los sucesos mutuamente excluyentes:

(A y V), (B y V) y (R y V)

P(V) = P(V  A) + P(V  B) + P(V  R)

P(V) = P(A) x P( V/A) + P (B) x P(V/B) + P(R) x P(V/R)

TEOREMAS DE PROBABILIDAD

Teorema 9 - Probabilidad total

En forma general podemos enunciar el Teorema de la
probabilidad total:

Si los eventos B1, B2, ...,Bk constituyen una división

del espacio muestral S, de tal forma que P(Bi)  0 para
i= 1,2,...,k, entonces para cualquier evento A de

k k
P( A)  P( A  Bi )  P( Bi ) P( A / Bi )
i 1 i 1
Teorema de probabilidad total

B1 B2 B3 ... Bk

...

P(A) =
Teorema de probabilidad total

B1 B2 B3 ... Bk

...

P(A) = P(A  B1)

Teorema de probabilidad total

B1 B2 B3 ... Bk

...

P(A) = P(A  B1) + P(A  B2)

Teorema de probabilidad total

B1 B2 B3 ... Bk

...

P(A) = P(A  B1) + P(A  B2) + P(A  B3)+

Teorema de probabilidad total

B1 B2 B3 ... Bk

...

P(A) = P(A  B1) + P(A  B2) + P(A  B3)+ …

Teorema de probabilidad total

B1 B2 B3 ... Bk

...

P(A) = P(A  B1) + P(A  B2) + P(A  B3)+ … + P(A  Bk)

Teorema de probabilidad total

P(A) = P(A  B1) + P(A  B2) + P(A  R3)+ … + P(A  Bk)

k k
P( A)  P( A  Bi )  P( Bi ) P( A / Bi )
i 1 i 1
TEOREMAS DE PROBABILIDAD

Podemos desarrollar un razonamiento similar para calcular

una probabilidad condicional

B1 B2 B3 ... Bk

P (B1 / A )
TEOREMAS DE PROBABILIDAD

Podemos desarrollar un razonamiento similar para calcular

una probabilidad condicional

P ( Br  A) P ( Br ) P ( A / Br ) P ( Br ) P ( A / Br )
P ( Br / A)   
P ( A)  P( Bi  A)  P( Bi) P( A / Bi)
TEOREMAS DE PROBABILIDAD

Teorema de Bayes
Si los eventos B1, B2, ...,Bk constituyen una división del espacio

muestral S, donde P(Bi)  0 para i = 1, 2, ...,k, entonces para

cualquier evento A en S tal que la P(A)  0:

P( Br ) P( A / Br )
P( Br / A)  k

 P( B ) P( A / B )
i 1
i i