Apuntes de probabilidades Félix S.

Castillo Vera

La probabilidad es la ciencia de la incertidumbre. Cuando realizamos un experimento, no

estamos seguros de cuál será el resultado. Debido a esta incertidumbre, decimos que un
experimento es un proceso aleatorio.
Un experimento aleatorio es un proceso que tiene al menos dos resultados posibles y es
caracterizado por la incertidumbre de lo que ocurrirá.
Cada uno de los siguientes ejemplos implica un experimento aleatorio:
Cuando se tira un dado, el conjunto de resultados básicos comprende 1 a 6.
En otras palabras, los posibles resultados de un experimento aleatorio se denominan resultados
básicos.
El conjunto de todos los resultados básicos se denomina espacio muestral.
Supongamos que está interesado en obtener un número par al lanzar un dado; en este caso, el
evento arroja un 2, 4 o 6, que es un subconjunto de {1, 2, 3. 4, 5, 6}.
En otras palabras, un evento es un conjunto de resultados básicos del espacio muestral y se dice
que ocurre si el experimento aleatorio da lugar a uno de sus resultados básicos constituyentes.
Cada resultado básico dentro de cada evento (por ejemplo, {2} {4} {6}) también se puede llamar
un evento simple. Por lo tanto, un evento es una colección de uno o más eventos simples.
Finalmente, Un evento básico es un subconjunto del espacio muestral.
Propiedades de los experimentos aleatorios
El punto de partida de la probabilidad es el experimento aleatorio.
Experimentos al azar tiene tres propiedades:
1. Se pueden repetir física o conceptualmente.
2. El conjunto que consta de todos los resultados posibles, es decir, el espacio muestral, puede
especificarse de antemano.
3. Varias repeticiones no siempre producen el mismo resultado.
El conjunto de todos los resultados posibles es llamado el espacio muestral (S). Por lo tanto, los
puntos de muestra (eventos simples) forman el espacio muestral.
Diagrama de Venn: Diagrama de Venn:

Muestra 6 diferentes puntos de la muestra. Para el evento A

.
Apuntes de probabilidades Félix S. Castillo Vera

La probabilidad clásica
A menudo se llama probabilidad a priori, porque si seguimos usando ejemplos ordenados, como
dados imparciales y, monedas justas podemos establecer la respuesta por adelantado (a priori)
sin lanzar un dado o tirar. una moneda.
En otras palabras, podemos hacer declaraciones basadas en razonamientos lógicos antes de que
tenga lugar cualquier experimento. La probabilidad clásica define la probabilidad de que un
evento ocurra como:
La proporción de veces que ocurriría si el experimento se ejecutara infinitas veces. Para una
colección de eventos igualmente probables, esto se ve así:
𝑁𝑟𝑜. 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 =
𝑁𝑟𝑜 𝑑𝑒 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠
Ejemplo:
Se desea sacar un 5 al tirar un dado de 6 caras. Hay 6 resultados posibles. S= {1,2,3,4,5,6}
En general, suponemos que cada cara del dado tiene la misma probabilidad de aparecer en una
sola tirada del dado, es decir, que el dado es justo.
Evento A: Que salga un 5.
Número de veces que salga un 5 en una tirada del dado es 1 vez. Número de posibles resultados
son 6.
1
La probabilidad 𝑃(𝐴) = 6

El conjunto de todos los resultados posibles se llama espacio muestral y se denota S.

Para el dado de seis caras: 𝑆 = {1,2,3,4,5,6}
Ejemplo: Podemos extender esto a una colección de eventos.
Se desea sacar un 2 o un 5
Evento B: Que salga un 2 o un 5 al tirar un dado de 6 caras.
Número de veces que ocurre el evento al tirar una vez el dado es 2.
2
La probabilidad 𝑃(𝐵) = 6

El enfoque de frecuencia relativa

Para calcular la probabilidad requiere que el experimento aleatorio se lleve a cabo como:

ni
p (ei ) = Donde:
N
ei: resultado asociado con ith evento.
ni: número de veces que se el ith evento ocurre.
N: número total de veces que se repite la prueba.

fi
p(ei ) = Donde:
N
Apuntes de probabilidades Félix S. Castillo Vera

fi: es el número de resultados favorables, para el evento ei.

N: Total de resultados en el espacio muestral(S).
Probabilidad subjetiva
Una visión alternativa sobre la probabilidad, que no depende del concepto de experimentos
aleatorios repetibles, define la probabilidad en términos de un concepto subjetivo o
personalista.
De acuerdo con este concepto de probabilidad subjetiva, la probabilidad de un evento es el
grado de creencia, o grado de confianza, que un individuo coloca en la ocurrencia de un evento
sobre la base de cualquier evidencia disponible.
Esta evidencia puede ser datos sobre la frecuencia relativa de sucesos pasados, o puede ser solo
una suposición educada. El individuo puede asignar a un evento la probabilidad de 0 o 1, o
cualquier otro número entre esos dos.
Aquí hay algunos ejemplos de situaciones que requieren una probabilidad subjetiva:
1. Un consumidor individual asigna una probabilidad al evento de comprar un televisor durante
el próximo trimestre.
2. Un gerente de control de calidad afirma la probabilidad de que un envío entrante futuro tenga
1.5% o menos artículos defectuosos.
3. Una empresa auditora desea determinar la probabilidad de que un comprobante auditado
contenga un error.
Clases de resultados
Dos resultados son disjuntos o mutuamente excluyentes si no pueden ocurrir ambos (al mismo
tiempo).
Ejemplo: si tiro un dado de seis caras una
vez, A sacar 1 o 3; B sacar 4 o 5 son
separados. Puedo sacar 1 o un 5, pero no
ambos en la misma tirada.
El resultado debe ser un evento u otro (no
pueden ser ambos al mismo tiempo)
Si ocurren ambos eventos, los eventos no
son mutuamente excluyentes:

Ejemplo: si tiro un dado de seis caras una vez, A

sacar 2 o 4 o 6; B sacar 2 o 3 o 5 no son separados.
Puedo sacar 2 o un 5, pero sacar 2 está en ambos en
la misma tirada.
Apuntes de probabilidades Félix S. Castillo Vera

Otro ejemplo; el de las barajas: tenemos 13 espadas

(negro), 13 corazones (rojo), 13 diamantes(rojo) y 13
trébol(negro).
Total 52 cartas con la misma probabilidad.
Si el evento es sacar diamantes o figuras de un juego
de naipes. En este caso, es posible sacar un diamante
y una figura al mismo tiempo: la sota de diamantes, la
reina de diamantes y el rey de diamantes. Los eventos
no son mutuamente excluyentes.
Una distribución de probabilidad enumera todos los
posibles resultados disjuntos (piense: todos los
valores posibles de una variable X) y sus
probabilidades asociadas. Para el lanzamiento de un
dado de seis caras, la distribución de probabilidad se
ve en la tabla:
X 1 2 3 4 5 6
P(X) 1/6 1/6 1/6 1/6 1/6 1/6

Los axiomas de probabilidad son requisitos para una distribución de probabilidad válida. Ellos
son:
a) Todos los resultados enumerados deben ser disjuntos.
b) Cada probabilidad debe estar entre 0 y 1.
c) Las probabilidades deben sumar 1.
Las distribuciones de probabilidad se parecen mucho a las distribuciones de frecuencia relativa.
De hecho, una distribución de frecuencia relativa es una buena forma de utilizar datos para
aproximar una distribución de probabilidad.
Reglas de probabilidad
Considere el lanzamiento de un dado de seis caras.
2 𝑚𝑎𝑛𝑒𝑟𝑎
𝑃(𝑠𝑎𝑙𝑔𝑎 1 𝑜 4) =
6 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠
Observe que obtenemos el mismo resultado tomando.
1 1 2
𝑃(𝑠𝑎𝑙𝑔𝑎 1) + 𝑃(𝑠𝑎𝑙𝑔𝑎 4) = + =
6 6 6
Apuntes de probabilidades Félix S. Castillo Vera

Regla de suma para resultados disjuntos

𝑃(𝐴1 𝑜 𝐴1 𝑜 … 𝑜𝐴𝑘 = 𝑃(𝐴1 ) + 𝑃(𝐴2 + ⋯ + 𝑃(𝐴𝑘 ) para k resultados disjuntos.
Regla general de la suma
Consideremos ahora una baraja de 52 cartas.
Sea A el evento de que una carta extraída sea un diamante y sea B sea el caso de que sea una
carta de figura.
La baraja cuenta con 13 diamantes y 12 figuras. 3 figuras son diamantes.
Para dos eventos cualesquiera A y B, la probabilidad de que ocurra al menos uno es:

𝑃(𝐴 𝑜 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 𝑦 𝐵)

Si A y B no son mutuamente excluyentes, entonces la probabilidad simple de unión, debe
modificarse, para tener en cuenta la intersección y evitar así el doble conteo:
La unión de A y B significa que ocurre el evento "A o B"
𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∩ 𝐵)
Se define la probabilidad de una intersección como:
𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∪ 𝐵)

Observe que cuando decimos "o", incluimos las situaciones en las que A es verdadera, B es
verdadera y la situación en la que A y B son verdaderas. Este es un o inclusivo.
Complementos
El complemento de un evento son todos los resultados en el espacio muestral que no están en
el evento. Para un evento A, denotamos su complemento por Ac.
Propiedad:
𝑃(𝐴 𝑜 𝐴𝑐 ) = 1
Usando la regla de la adición:
𝑃(𝐴 𝑜 𝐴𝑐 ) = 𝑃(𝐴) + 𝑃(𝐴𝑐 ) = 1
Asegúrese de poder convencerse de que A y Ac siempre son disjuntos.
Apuntes de probabilidades Félix S. Castillo Vera

Regla del complemento

𝑃(𝐴) = 1 − 𝑃(𝐴𝑐 )
Ejemplo:
Considere tirar 2 dados de seis caras y sumarlos. El evento de interés es una suma menor que
12.
Si A= (suma menor que 12), entonces Ac= (suma mayor o igual a 12). Tómese un momento para
notar que solo hay una forma de obtener una suma mayor o igual a 12:
Matriz de posibles resultados: S=36

1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

35 35
𝑃(𝐴) = 36 , entonces: 𝑃(𝐴𝑐 ) = 1 − 36

Concepto básico de probabilidad condicional

La probabilidad condicional es la probabilidad de que ocurra un evento, dado que (con la
condición de que) haya ocurrido algún otro evento.
En el ejemplo de las barajas, tenemos 13 espadas (negro), 13 corazones (rojo), 13
diamantes(rojo) y 13 trébol(negro). Total 52 cartas con la misma probabilidad.
Ejemplo 1.
¿Cuál es la probabilidad que sea J?
Espacio muestral: Número de eventos simples 52.
Evento compuesto: Que sea la carta J
P(J)=4/52=1/13
Ahora se tiene información que la carta J es de roja.
¿Cuál es la probabilidad que sea J?
Espacio muestral: Número de eventos simples 26
cartas rojas.
Evento compuesto: Que sea J
P(J|R) =2/26=1/13 o 𝑃(𝐽|𝑅) =
2
𝑃(𝐽∩𝑅) 52 1
= 26 =
𝑃(𝑅) 13
52

Probabilidad conjunta y probabilidad marginal

En esta sección, examinaremos las probabilidades conjuntas y marginales y sus relaciones con la
probabilidad condicional.
Apuntes de probabilidades Félix S. Castillo Vera

Probabilidad conjunta
En muchas aplicaciones, estamos interesados en la probabilidad conjunta, la probabilidad de que
dos o más eventos ocurran simultáneamente.
Los datos en la Tabla, representan los resultados de una encuesta de mercado en la que se
preguntó a 500 personas ¿cuál de los dos refrescos competitivos preferían?

Preferencias
S1 S2 Total
M 100 160 260
Sexo F 200 40 240
Total 300 200 500

Como se muestra en la Tabla, usamos M, F, S1 y S2 para representar las preferencias masculinas

y femeninos por refrescos preferencias refresco 1 y 2.
Por lo tanto, el resultado conjunto de que un individuo es, tanto masculino como prefiere el
refresco l, se denota como "M y S1", y la probabilidad conjunta que un individuo seleccionado al
azar es hombre y prefiere el refresco 1 es P (M y S1)

100
Esta probabilidad es: p( M  S1 ) = = 0.2
500
Preferencias
S1 S2 Total
M 0.2 0.32 0.52
Sexo F 0.4 0.08 0.48
Total 0.6 0.4 1

Otras probabilidades conjuntas se pueden calcular de manera similar. La matriz central, es una
tabla de probabilidad conjunta, obtenida dividiendo todas las entradas en la Tabla por el número
total de individuos.
Para dos eventos, una probabilidad conjunta, es la probabilidad de la intersección de dos
eventos; en otras palabras, la probabilidad de que ambos eventos ocurran al mismo tiempo.
Probabilidades marginales
Además de la probabilidad conjunta, también podemos obtener de la Tabla las probabilidades
para las dos clasificaciones "sexo" y "preferencia de producto".
Estas probabilidades, que se muestran en los márgenes de la tabla de probabilidad conjunta, se
denominan probabilidades marginales o probabilidades incondicionales. Por ejemplo:
Probabilidad marginal de que un individuo elegido al azar sea mujer es
P(F)=0.48 y Probabilidad marginal de que una persona prefiera el refresco 1 es P(S1) =0.60.
En estos casos, las probabilidades marginales para cada clasificación se obtienen sumando las
probabilidades conjuntas apropiadas. Porque la probabilidad marginal es una probabilidad de
un simple evento, a menudo se llama probabilidad simple.
Ejemplo
Apuntes de probabilidades Félix S. Castillo Vera

La probabilidad de que el individuo sea mujer y prefiera el refresco 1.

Primero puede calcularse, la 𝑃(𝑆1 ∩ 𝐹) = 0.40 ; Luego P(F)= 0.48.
𝑃(𝑆1 ∩𝐹) 0.40 5
Luego: 𝑃(𝑆1 |𝐹) = 𝑃(𝐹)
= 0.48 = 6

En tanto que, la probabilidad de que el individuo prefiera el refresco 1 y sea mujer es

𝑃(𝐹∩𝑆1 ) 0.40 2
𝑃(𝐹/𝑆1 ) = 𝑃(𝑆1 )
= 0.60 = 3

La probabilidad conjunta se puede definir como

p( A  B) = p( A / B) p( B) = p( B  A) = p( B / A) p( A)
Probabilidad condicional
La tabla de contingencia es una forma de resumir datos bivariados o datos de dos variables.

Vacunados
Si No Total
Viven 500 200 700
Resultados Mueren 20 80 100
Total 520 280 800

Esta es básicamente una distribución de frecuencia de dos variables.

Y, como una distribución de frecuencia, podemos convertir a proporciones (frecuencias relativas)
dividiendo cada recuento (cada número) por el número total de observaciones:

Vacunados
Si No Total
Viven 0.625 0.25 0.875
Resultados Mueren 0.025 0.1 0.125
Total 0.650 0.35 1

Los totales de filas y columnas son probabilidades marginales.

Por ejemplo: Probabilidad de que mueran es 0.125 y probabilidad de que si se vacunen es 0.650.
La probabilidad de dos eventos juntos (A y B) es una probabilidad conjunta.
Por ejemplo: Probabilidad de que viva sin no se vacuna es 0.25
¿Qué podemos aprender sobre el resultado del covid19 si ya sabemos algo sobre el estado de
vacunación? Por ejemplo, dado que una persona está vacunada, ¿cuál es la probabilidad de
muerte? Para resolver esto, restringimos nuestra atención a los 520 casos inoculados. De ellos,
20 murieron. Entonces la probabilidad es 20/520=0.03846.
Esto se llama probabilidad condicional, la probabilidad de que ocurra algún evento A si sabemos
que el evento B ocurrió (o es verdadero):
𝑃(𝐴 𝑦 𝐵)
𝑃(𝐴|𝐵 ) =
𝑃(𝐵)
𝑃(𝑚𝑢𝑒𝑟𝑎 𝑦 𝑣𝑎𝑐𝑢𝑛𝑎𝑑𝑜) 0.025
𝑃(𝑚𝑢𝑒𝑟𝑎|𝑣𝑎𝑐𝑢𝑛𝑎𝑑𝑜 ) = 𝑃(𝑣𝑎𝑐𝑢𝑛𝑎𝑑𝑜)
= 0.650 = 0.03846
Apuntes de probabilidades Félix S. Castillo Vera

Si saber si ocurre el evento B no nos dice nada sobre el evento A, los eventos son
independientes. Por ejemplo, si sabemos que el primer lanzamiento de una moneda (justa) salió
cara, eso no nos dice nada sobre lo que sucederá la próxima vez que lancemos esa moneda.
Podemos probar la independencia comprobando si: 𝑃(𝐴|𝐵 ) = 𝑃(𝐴)
Regla de la multiplicación
Regla de multiplicación para procesos independientes.
Si A y B son eventos independientes, entonces:
𝑃(𝐴 𝑦 𝐵 ) = 𝑃(𝐴)𝑃(𝐵)
Se puede extender a más de dos eventos:
𝑃(𝐴 𝑦 𝐵 𝑦 𝐶 𝑦 … ) = 𝑃(𝐴)𝑃(𝐵)𝑃(𝐶) …
Note si 𝑃(𝐴 𝑦 𝐵 ) = 𝑃(𝐴)𝑃(𝐵) entonces A y B no son independientes.
Ejemplo: Encuentre la probabilidad de obtener un 6 en su primer lanzamiento de un dado y un
6 en su segundo lanzamiento.
Sea A=cae 6 en la primera tirada y B=cae 6 en la segunda tirada.
Entonces, debido a que cada tirada es independiente de cualquier otra tirada,
1 1 1
𝑃(𝐴 𝑦 𝐵 ) = 𝑃(𝐴)𝑃(𝐵) = ∗ =
6 6 36

Regla general de la multiplicación

Si A y B son dos eventos cualesquiera, entonces
𝑃(𝐴 𝑦 𝐵) = 𝑃(𝐴|𝐵 )𝑃(𝐵)
Ejemplo: supongamos que sabemos que el 38,4% de los hogares trujillanos tienen perros y que,
entre los que tienen perros, el 23,1% tienen gatos. Encuentre la probabilidad de que en un hogar
trujillano haya perros y gatos.
Sea A=hogares que tienen gatos y B=hogares que tienen perros.
𝑃(𝐴|𝐵 ) = 0.231 y 𝑃(𝐵) = 0.384
La probabilidad de que un hogar trujillano tenga perros y gatos
𝑃(𝐴 𝑦 𝐵) = 𝑃(𝐴|𝐵 )𝑃(𝐵) = 0.231 ∗ 0.384=0.0887
Eventos independientes, dependientes y mutuamente excluyentes
Dos eventos se denominan eventos independientes cuando la probabilidad de un evento no se
ve afectada por la ocurrencia del otro. Por ejemplo, supongamos que una moneda justa se lanza
dos veces. La probabilidad de obtener una ventaja en el segundo lanzamiento no se ve afectada
por haber conseguido un sello o una cara en el primer lanzamiento; por lo tanto, los dos eventos
son independientes.
Ejemplo 1. Sea los eventos del lanzamiento de un dado justo. A= (1,2) y B= (2,3,4,5,6)
Espacio muestral: S=(1,2,3,4,5,6); (𝐴 ∩ 𝐵) = (2)
Apuntes de probabilidades Félix S. Castillo Vera

P(A)=2/6=1/3; P(B)=5/6; 𝑃(𝐴 ∩ 𝐵) = 1/6 Es diferente a P(A)*P(B)=1/3*5/6=5/18 , Eventos A

y B no son independientes.
P(A|B)=1/5 P(B|A)=1/2
Muchos eventos no son independientes. Por ejemplo, la probabilidad de que un niño en un país
menos desarrollado reciba una educación avanzada, se ve afectada por el estado económico de
su familia. Si la familia está acomodada, el niño probablemente pasaría a la educación superior.
De lo contrario, el niño puede tener que renunciar a la oportunidad de educación, para ayudar
a mantener a la familia. Por lo tanto, el evento de la educación superior del niño depende del
evento de la condición financiera de su familia.
Ejemplo 2. Sea los eventos A=(1,2); C=(2,4,6); CC.=(1,3,5)
P(A)=2/6=1/3; P(C)=3/6=1/2;
P(A|C)=1/3=P(A), El evento A es independiente de C;
P(A|Cc)=1/3=P(A), El evento A es independiente de Cc
Ejemplo 3. En el caso de las barajas, sea los eventos:
O=La carta es 8. P(O)=4/52=1/13
C= La carta sea corazón. P(O|C)=1/13
Los eventos son independientes.
Supongamos que se lanza una moneda justa una vez, con la probabilidad de 1/2 de obtener una
cara (evento A). Deje que el evento B sea el evento de lanzar la moneda por segunda vez y
obtener una cara. ¿Cuál es la probabilidad del evento B, dado el evento A (una cara)? o, en
símbolos, ¿P (B | A)?
Observamos que la aparición de la segunda cara no está influenciada por (es independiente de)
la aparición de la primera cara. En tal caso, decimos que el evento B, es estadísticamente
independiente del evento A. Aquí, P (B | A) =P (B)=0.50, porque la aparición de A no tiene
influencia en B.
Para eventos independientes, entonces:

p( A / B) = p( A) o p( B / A) == p( B)
p( A  B) = p( B  A) = p( A) p( B)
Sabemos que la probabilidad conjunta de dos eventos independientes es igual al producto de
las probabilidades marginales de estos dos eventos.

Deje que A y B sean independientes de modo que sepamos p( A  B) = p( A) p( B)

¿En qué circunstancias podrían A y B también sor mutuamente excluyentes?

Si lo fueran, p( A  B) = 0 , lo que implica p( A) = 0 o p ( B ) = 0 . Por lo tanto, los eventos

independientes con probabilidades marginales positivas nunca pueden ser mutuamente
excluyentes.