TEORA DE LA PROBABILIDAD

Hasta ahora la estadstica estudiada ha sido la estadstica descriptiva, que se ocupa entre otras funciones de
describir y analizar la informacin que tenemos a nuestra disposicin
Sin embargo, en la vida diaria nos enfrentamos a situaciones de toma de decisiones, sin disponer de toda la
informacin necesaria, es decir donde existe una considerable incertidumbre; por esto resulta importante
que todos los riesgos implcitos conocidos se evalen de forma cientfica.

Nos ayuda en estas situaciones La Teora de la Probabilidad, llamada Ciencia de la Incertidumbre

pertenece a la Estadstica Inferencial o Inferencia Estadstica, que se ocupa del clculo de la posibilidad de
que algo ocurra, cuando se cuenta con informacin reducida y permite a quien toma decisiones analizar
con informacin limitada los riesgos y minimizar el azar inherente.

La inferencia estadstica se ocupa de la deduccin acerca de una poblacin con base en una muestra
tomada a partir de tal poblacin.
La probabilidad es importante en la toma de decisiones, porque suministra un mecanismo para medir,
expresar y analizar la incertidumbre asociada con eventos futuros.

DEFINICION DE CONCEPTOS BASICOS

Para iniciar nuestro estudio e este nuevo campo es necesario conocer algunas definiciones bsicas.

Experimento: Es cualquier proceso o actividad que genere resultados (eventos) bien definidos.
En un experimento aleatorio, antes de su realizacin, conocemos de antemano todos sus posibles
resultados, pero no el resultado concreto que vamos a obtener, aunque se observan regularidades al
repetir varias veces el experimento.
Resultado: Es lo que resulta de un experimento.

Experimento Aleatorio: Es un proceso de observacin, donde el resultado exacto no se conoce,

prevaleciendo por tanto cierto margen de duda.
Ejemplo: Sea el experimento: Resultado del examen final en el curso de estadstica por parte de un
estudiante.
Resultado: Antes del examen, el resultad no se conoce con exactitud; es decir, no sabemos si el
estudiante aprobar o desaprobar el examen final.
Luego el experimento es aleatorio.
Ejemplo: Sea el experimento: Dejar libre un lapicero en el aire.
Resultado: Se conoce con exactitud antes de llevar a acabo el experimento, ya que el lapicero
caer por accin de la ley de la gravedad.
Por tanto el experimento no es aleatorio.

Diremos que un experimento es aleatorio si se verifican las siguientes condiciones:

1. Se puede repetir indefinidamente, siempre en las mismas condiciones;
2. Antes de realizarlo, no se puede predecir el resultado que se va a obtener;
3. El resultado que se obtenga, e, pertenece a un conjunto conocido previamente de resultados posibles.

Espacio Muestral. (): Es el conjunto de todos los resultados posibles de un experimento.

Ejemplo: Sea el experimento: Resultado del examen final en el curso de estadstica por parte de un
estudiante.
 El espacio muestral es: = Aprobar, Desaprobar .
Ejemplo: Sea el experimento: Resultado del lanzamiento de una moneda.
El espacio muestral es: = Cara, Sello .

Suceso o Evento (): Es uno o una combinacin de resultados del experimento aleatorio.
Tambin se dice que un suceso o evento, es un subconjunto del espacio muestral.
Los eventos son representados por letras maysculas: A, B, C,....

Ejemplo: Sea el experimento: Seleccin de un alumno de acuerdo a su rendimiento acadmico.

El espacio muestral es:
= Sobresaliente, Bueno, Regular, Malo .
Podemos observar que cada resultado es un subconjunto del Espacio muestral, y por lo tanto
cada uno de ellos es un evento. Se denotamos por A, B, C, D los eventos, entonces tenemos:
Evento A= Sobresaliente .
Evento B = Bueno .
Evento C = Regular .
Evento D = Malo .

Probabilidad (p)
Valor numrico entre 0 y 1 que describe la posibilidad (certeza) de que se dar determinado resultado, o
lo que es lo mismo que suceder determinado evento.

Mayor posibilidad de ocurrencia

0 0.5 1.0
Probabilidad
La ocurrencia del evento es tan probable como improbable

PRINCIPIOS DE CONTEO
I. PERMUTACIONES
II. COMBINACIONES
III.VARIACIONES

ENFOQUES DE LA PROBABILIDAD

I. PROBABILIDAD OBJETIVA

A) PROBABILIDAD CLSICA.- Es aquella que se obtiene cuando se considera que todos los
resultados de un experimento son igualmente posibles.
N de Resultados Favorables
Probabilidad de un Evento = -------------------------------------------
N de Total Resultados

Dos condiciones indispensables para aplicar la probabilidad Clsica son:

EVENTOS MUTUAMENTE EXCLUYENTES:

La ocurrencia de cualquier evento implica que ningn otro puede ocurrir al mismo tiempo.
EVENTOS COLECTIVAMENTE EXHAUSTIVOS:
 Lista de eventos que registra todos los resultados posibles cuando se realiza un experimento, de
modo tal que su unin debe ser igual al espacio muestral .

B) PROBABILIDAD EMPIRICA O DE FRECUENCIAS RELATIVAS.- Es la probabilidad de

que un evento ocurra alargo plazo, se determina observando el pasado.

N de Veces que el evento ocurri en el pasado

Probabilidad de un Evento = ----------------------------------------------------------------
N de Total Resultados

II. PROBABILIDAD SUBJETIVA

Es la probabilidad basada en el criterio personal de quien hace la estimacin de probabilidad.

Ejemplo de la probabilidad que Per gane un partido de ftbol..

ALGUNAS REGLAS DE PROBABILIDAD

I. REGLA DEL COMPLEMENTO: (Es lo que le falta al evento para ser igual al )
Se utiliza para determinar la probabilidad de que ocurra un evento restando del nmero 1 la
probabilidad de que el evento no ocurra. Se denota como: ~A, Ac , etc
Sean A, B y C eventos mutuamente excluyentes:
Dado el evento A, Ac = 1 A A + Ac =
P(A) + P(Ac) = 1
P(A) = 1 - P(Ac) P(Ac) = 1 - P(A)

Dados los eventos A, y C P(A o C) = P(A C) = P(A) + P(C)

P(A o C) c = 1- P(A o C)
=1- P(B)
II. REGLA DE ADICION
Sean A, B y C eventos mutuamente excluyentes:
P(AoB) = P(AB) = P(A) + P(B)
P(AoBoC) = P(ABC) = P(A) + P(B) + P(C)
Si A, B y C no son eventos mutuamente excluyentes:
P(AoB) = P(AB) = P(A) + P(B) - P(AB).
P(AoBoC) = P(ABC) = P(A) + P(B) + P(C) P(AB) P(AC) P(BC) + P(ABC).
Cuando dos eventos se traslapan o intersectan, dejan de ser mutuamente excluyentes; a la
probabilidad de que ocurra esta interseccin se le llama probabilidad Conjunta.
PROBABILIDAD CONJUNTA: Es la probabilidad que expresa la posibilidad de que dos o ms
eventos ocurran en forma simultnea.
Sean A y B dos eventos P(A y B) = P(AB).

III.REGLA DE MULTIPLICACION
Sean A, B y C eventos independientes.
La ocurrencia de uno de ellos no influir en la probabilidad del otro.
 P(A y B) = P(AB) = P(A) x P(B)
P(AyByC) = P(ABC) = P(A) x P(B) x P(C)
 Caso 01: Si lanzamos una moneda 2 veces, determine prob. de obtener 2
caras

Diagrama del rbol: (o arborigramas):

Es la representacin grafica til para organizar clculos que abarca varias etapas. Cada segmento en el rbol es una
etapa del problema. Las probabilidades escritas cerca de las ramas son las probabilidades condicionales del
experimento
Antes que nada debemos nombrar a cada posible resultado de los diversos experimentos o fases:
A:
B:
C:
D:

Si los eventos no son independientes se dice que son dependientes en cuyo caso.

Caso 02: Rollos defectuosos

Consideremos la idea de tener en un cajn 10 rollos fotogrficos, de los cuales slo 3 estn defectuoso y 7
estn en buen estado, si necesito tomar 2 rollos del cajn uno despus del otro Cul es la probabilidad de
escoger un rollo con defectos seguidos por otro tambin en tal condicin?
A: primer rollo elegido resulta defectuoso.
B: primer rollo elegido resulta bueno.
C: segundo rollo elegido resulta defectuoso.
D: segundo rollo elegido resulta bueno.

1 rollo extrado 1 rollo extrado

1RA EXTRACCION 2DA EXTRACCION fue defectuoso fue bueno

DEFECTUOSOS 3 P(A) = 3/10 2 P(C) = 2/9 3 P(C) = 3/9

BUENOS 7 P(B) = 7/10 7 P(D) = 7/9 6 P(D) = 6/9
TOTAL 10 1.00 9 1.00 9 1.00
A la fraccin P(C/A) = 2/9 ( P (C/B) = 3/9) segn sea el caso se le llama probabilidad condicional,
porque su valor depende de que estado tuviera el rollo extrado la primera vez.
**PROBABILIDAD CONDICIONAL: Es la probabilidad de que ocurra un evento en particular, dado
que otro evento haya ocurrido antes.
 IV. REGLA GENERAL DE MULTIPLICACION
Se utiliza para determinar la probabilidad conjunta de que ocurran dos eventos.
En general, la regla indica que para dos eventos A y B, la probabilidad conjunta de que ambos
sucedan se evala al multiplicar la Probabilidad de que el evento A ocurra, por la Probabilidad
Condicional de que suceda el evento B.
Es decir:
P(A y B) = P(AB) = P(A) x P(B/A) donde P(B/A): se lee como la Prob. de
que ocurra el evento B,
dado que el evento A ya
ocurri.
En el Caso de Rollos defectuosos
Asumamos que: el primer rollo seleccionado de la caja, se encontr ser defectuoso, es el evento A. De
modo que P(A)=3/10 porque tres de los 10 rollos son no aceptados. El segundo rollo seleccionado,
resultante con defectos, es el evento C. Por lo tanto, P(C/A)=2/9, porque despus de descubrir que al
primera seleccin era un rollo con defectos, solo quedaron dos rollos no bueno en la caja que contena 9
rollos. Se determina la probabilidad de dos rollos defectuoso, aplicando la formula
P(A y C) = P(AC) = P(A) x P(C/A) =

De la frmula de la conjunta, podemos deducir la probabilidad condicional:

**PROBABILIDAD CONDICIONAL P (B/A) = P (A B )
(A)

Ejemplo: Se seleccionan 2 rollos al azar, uno despus del otro.Cul es la probabilidad de escoger un
rollo defectuoso dado que el primero fue defectuoso?

Rpta:0.333

V. OTRAS PROPIEDADES DEDUCIDAS DE LAS AXIOMAS

1. Si A B P( A) P ( B)

Demostracin A B B A ( A B ) y como A ( A B ) 0

P ( B) P ( A) P( A B )

Y al ser P ( A B ) 0 resulta P ( B) P ( A)
2. Para todo suceso A es P(A) 1
Demostracin al ser A P( A) P() 1
3. P ( A B ) P ( A) P ( B )
Demostracin como P ( A B) 0
P ( A B ) P ( A) P ( B ) P ( A B ) P ( A) P ( B)
Esta propiedad se generaliza fcilmente para n sucesos
P( A1 A2 A3 ... An ) P( A1 ) P( A2 ) ... P( An )
 RESUMEN.
Los experimentos y eventos probabilsticos se pueden expresar con la notacin de conjuntos. Veamos
algunas operaciones que son posibles realizar con los eventos.
1. AB. Es el evento que ocurre si y solo s A ocurre o B ocurre o ambos ocurren.
d d
A B A B
AB
A =+
AB B AB = + +

2) AB Es el evento que ocurre s y solo s A y B ocurren a un mismo tiempo.

d
A B AB =
AB
3) Ac Es el complemento de A. Es el evento que ocurre s y solo s A no ocurre.

A
Ac

4) Se dice que A y B son eventos mutuamente excluyentes o exclusivos si AB = f

A B

Para el clculo de probabilidades hay que tomar en cuenta los Axiomas y Teoremas que a continuacin
se enumeran.
1) La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.
0 p(A) 1
2) La probabilidad de que ocurra el espacio muestral d debe de ser 1. p() = 1
3) Si A y B son eventos mutuamente excluyentes, entonces la
p(A B) = p(A) + p(B)
TEOREMA 1. Si f es un evento nulo o vaco, entonces la probabilidad de que ocurra f debe ser cero.
A
p(f)=0

TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A)

A
c
A
TEOREMA 3. Si un evento A B, entonces la p(A) p(B).

B
A

B\A

TEOREMA 5. Para dos eventos A y B, p(A B)=p(A) + p(B) p(A B).

A B

AB

COROLARIO: Para tres eventos.

A, B y C, p(A B C) = p(A) + p(B) + p(C) p(A B) p(A C) (B C) + p(A B C).
AB ABC

C
AC
BC

PROBABILIDAD CONDICIONAL
Sea d un espacio muestral en donde se ha definido un evento E, donde p(E) > 0, si deseamos determinar
la probabilidad de que ocurra un evento A (el que tambin es definido en el mismo espacio muestral),
dado que E ya ocurri, entonces deseamos determinar una probabilidad de tipo condicional, la que se
determina como se muestra;

p( A E )
p( A | E )
p( E )
E

A
AE

Donde:
p(A E) = probabilidad de que ocurra A dado que E ya ocurri
p(A E) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E.
Caso Backus
Debido a la llegada de la empresa Ambev al mercado cervecero peruano, la empresa Backus quiso
determinar que tan leales seran sus trabajadores. Dentro de las preguntas se coloc la siguiente Si otra
Compaa le hiciera una oferta igual o ligeramente mejor que la de su puesto actual, permanecera con la
empresa o tomara el nuevo empleo?
Las respuestas se clasificaron en forma cruzada con el tiempo de servicio en la compaa:
AOS DE SERVICIO EN LA COMPAA BACKUS
LEALTAD Menos de 1 De 1 a 5 De 6 a 10 Ms de 10 TOTAL
Se quedara 10 30 5 75 120
No se quedara 25 15 10 30 80
TOTAL 35 45 15 105 200
a) Construya un diagrama del rbol.
b) Cul es la probabilidad de que al seleccionar un ejecutivo al azar:
i. ste se quede y que tenga entre seis y 10 aos de servicio?
ii. Menos de 1 ao si sabemos que no se queda?
iii. Ms de 10 aos si sabemos que se queda.
iv. No se quede y tenga entre 1 y 5 aos?
v. No se quede si sabemos que tiene entre 6 y 10 aos de servicio?
vi. Se quede si sabemos que tiene ms de 10 aos de servicio?
Solucin el evento A consiste en un ejecutivo que permanecera con la empresa a pesar de que otra compaa le
hiciera una oferta o ligeramente mejor. Para encontrar la probabilidad de que suceda el evento A, consulte la tabla;
se observa que hay 120 ejecutivos de los 200 de encuestas que permaneceran con la empresa, de manera que P(A)
=120/200 o sea 0.60
El evento B es el de un ejecutivo con ms de 10 aos de servicio en la empresa. De esta forma P ( B A) es la
probabilidad condicional de que un ejecutivo con ms de 10 aos de servicio permanezca con la empresa a pesar de
que otra compaa le haga una oferta o ligeramente mejor. Consultando la tabla de contingencias, tabla, 75 de los
120 ejecutivos que se quedaran tienen ms de 10 aos de servicio, de manera que P ( B A) =75/120
Se determina la probabilidad de que un ejecutivo seleccionado al azar sea uno de los que se quedara en la compaa
y que tiene ms de 10 aos de servicio y se utiliza la regla general de multiplicacin

120 75 9000
P(A y B) =P(A) P (B A) =( )( ) 0.375
200 120 2400

1) Para este problema salen dos ramas principales del tronco, la superior representa se quedaran y la inferior
no se quedaran . Sus probabilidades se indican en las ramas, especficamente 120/200 y 80/200. Se
simboliza por P(A) y ( A)
2) Cuatro ramas secundarias se desprenden de cada rama principal y corresponden a los tiempos de servicio:
menos de 1 ao, 1 a 5 aos, 6 a 10 aos y mas de 10 aos. La probabilidad condicional para la rama superior
del rbol, a saber, 10/120, 30/120, 5/120 etc. estn en la ramas adecuadas. Se trata de la probabilidades
P ( B1 A), P ( B 2 A), P ( B3 A), P / B 4 A), dondeB1 se refiere a menos de 1 ao de servicio, B2

corresponde a 1 a 5 aos; B3 es para 6 a 10 aos y B4 a mas de 10aos. A continuacin escriba las

probabilidades condicionales para la rama inferior
3) Por ultimo las probabilidades conjuntas de que A y B ocurran al mismo tiempo, se muestra al lado derecho
por ejemplo la probabilidad conjunta de seleccionar al azar, un ejecutivo que permanecera en al empresa y
que tiene menos de un ao de servicio es utilizando la formula
120 10
P ( AyB ) P ( A) P ( B A) = ( )( ) 0.05
200 120
Debido a que las probabilidad conjunta representa todas las posibles selecciones se quedaran, 6 a 10 aos de
servicio; no se quedaran; ms de 10aos de servicio), obviamente deben sumar 1.00

Diagrama del rbol

Lealtad tiempo de servicio
Probabilidades
conjunta
 Probabilidad
condicional

120 10
Menos de 1 ao x 0.050
200 120

10
120
30 120 30
1-5 aos x 0.150
120 200 120

5
Se
120
120 120 5
Quedarn 6-10 aos x 0.025
200 200 120
75
120

120 75
Ms de 10 aos x 0.375
200 120

80
200

25 80 25
Menos de 1 ao x 0.125
80 200 80

15
No
80
80 15
Se quedaran 1-5 aos x 0.075
200 80
10
80

30 80 10
6-10 aos x 0.050
80 200 80

80 30
Ms de 10 aos x 0.150
200 80

Debe totalizar 1.00 100

 VI. TEOREMA DE BAYES:
Enunciado por el reverendo Thomas Bayes (1702-1761), fundamenta la estadstica bayesiana y
sienta los principios de la teora de la decisin en base a la concepcin subjetiva de la probabilidad
Teorema de Bayes o de la probabilidad inversa
Si A1, A2,An E un suceso del que conocemos todas las cantidades P B Ai , i 1,..., n, a las
que denominamos verosmiles, entonces se verifica

j 1,..., n; P Aj B

P Aj * P B Aj

P Ai P B
n

Ai
i 1

VII. PROBABILIDAD TOTAL:

Bibliografa
Anderson D./Sweneney Dennos . J/ Willians Thomas A (2004), Thomson Mexico
Mason /Lind/Dougles (2003) Administracin para administracin y economa, edicin
alfamega, Colombia
Ruiz Daz /baron Lpez (1997) Probabilidad, Prentice hall, Madrid
Walpole,R (1999) Probabilidad y estadstica para ingenieros , printece-hill-
hispanoamericano, Mxico