Definicin Clsica de Probabilidad,

a piori
Supongamos que un suceso E tiene h posibilidades
de ocurrir entre un total de n posibilidades, cada una
de las cuales tiene la misma oportunidad de ocurrir
que las dems.
Entonces, la probabilidad de que ocurra E (o sea un
xito) se denota por:

h
p Pr{E}
n
El total de las n posibilidades; las n resultados
posibles del ensayo, experimento, etc.; se llama el
espacio muestral y se denota por S

EJEMPLO:
Sea el suceso E: obtener un nmero par en la tirada
de un dado
El espacio muestral S
de los resultados
posibles son: obtener
uno, dos, tres, cuatro,
cinco seis
S = { 1, 2, 3, 4, 5, 6 }
Entonces E: obtener dos cuatro seis (obtener un
nmero par en la tirada de un dado)
E = { 2, 4, 6 }

Pr{obtener par }

3
6

1
2

Definicin como frecuencia relativa,

a posteriori
La definicin como frecuencia relativa, o
probabilidad emprica, de un suceso se toma como
la frecuencia relativa de ocurrencia del suceso
cuando el numero de observaciones es muy grande.
La probabilidad misma es el lmite de esa
frecuencia relativa cuando el nmero de
observaciones crece indefinidamente.

lim fr

Pr(E)

Ejemplo: se ha lanzado una moneda 200 veces. El nmero

de caras despus de 20, 40, 60, ... , 200 se da en la tabla:
Pruebas

20

40

60

80

100

120

140

160

180

200

18
31
42
48
59
72
83
92
101
N de caras 11
Fr. relativa 0,550 0,450 0,517 0,525 0,480 0,492 0,514 0,519 0,511 0,505

Los valores de la
frecuencia relativas obtenidas
se aproximan a 0,5.

0,5

La probabilidad de
obtener cara en un
lanzamiento es 0,5

La frecuencia relativa de un suceso tiende a aproximarse

a su probabilidad cuando el nmero de pruebas crece
indefinidamente.

Trazando la poligonal de frecuencias relativas correspondiente al

nmero de caras obtenidas al lanzar una moneda 20, 40, 60, 200
veces, se observa:

0,58

La frecuencia relativa
tiende a la probabilidad

0,54
0,5

p(cara) = 0, 5

0,46
0,42
20

60

100

140

180
6

PROBABILIDAD AXIOMATICA

Se llama probabilidad a cualquier funcin p

que asigna a cada suceso E del espacio
muestral S un valor numrico p(E), verificando
los siguientes axiomas:
1.- No negatividad: 0 p(E)

2.- p(S) = 1
3.- Aditividad:
p(E1 E2) = p(E1) + p(E2)
si E1 E2 =
(donde es el conjunto vaco).

Kolmogorov A.
(1903- 1987)
7

SUCESOS INDEPIENDIENTES Y SUCESOS

DEPENDIENTES
Si E1 y E2 son dos sucesos, la probabilidad de que
E2 ocurra dado que haya ocurrido E1 se denota por
Pr{E2 E1}, o Pr{E2 dado E1} y se llama la
probabilidad condicional de E2 dado E1.
Si la ocurrencia o no de E1 no afecta para nada la
probabilidad de ocurrencia de E2, entonces
Pr{E2 E1} = Pr{E2} y diremos que E1 y E2 son
sucesos independientes, caso contrario, se dir que
son sucesos dependientes.
8

Si denotamos por E1E2, el suceso de que ambos E1

y E2 ocurran, llamado un suceso compuesto,
entonces
Pr{E1E2} = Pr{E1} Pr{E2 E1}
En particular,
Pr{E1E2} = Pr{E1} Pr{E2} para sucesos
independientes
Para tres sucesos E1, E2 y E3, tenemos
Pr{E1E2E3} = Pr{E1} Pr{E2 E1} Pr{E3 E1E2}

En general, si E1, E2, E3, En son n sucesos

independientes con probabilidades respectivas p1,
p2, p3, ... pn, entonces la probabilidad de que ocurran
E1 y E2 y E3 y En es pl p2 p3 pn.

EJEMPLO: Sean E1 y E2 los

sucesos cara en el primer
lanzamiento y cara en el
segundo lanzamiento de una
moneda. Si la moneda no est
trucada los son sucesos
independientes y la probabilidad
de que salga cara en ambos
intentos es:

Pr{E1E2} = Pr{E1} Pr{E2} = 0,5

0,5 = 0,25

EJEMPLO. Una bolsa contiene 3

bolas azules y 2 bolas rojas. Sea E1 el
suceso la primera bola extrada es
roja y E2 el suceso la segunda bola
extrada es roja en extracciones sin
reposicin.
La probabilidad de que la primera bola sea roja es
Pr{E1} = 2/(3 + 2) = 2/5
La probabilidad de que la segunda sea roja, dado
que ya lo haya sido la primera, es:
Pr{E2 E1} = 1/(3 + 1) = 1/4.
Luego la probabilidad de que ambas sean rojas es
Pr{E1E2} = Pr{E1} Pr{E2 E1} = 2/5

1/4 = 1/10.

SUCESOS MUTUAMENTE EXCLUYENTES

Dos o ms sucesos se llaman sucesos mutuamente
excluyentes si la ocurrencia de cualquiera de ellos excluye
la de los otros. Si E1 y E2 son sucesos mutuamente
excluyentes, entonces Pr{E1E2} = 0.
Si E1 + E2 denota el suceso de que ocurra E1 o bien E2 o
ambos a la vez, entonces
Pr{E1 + E2} = Pr{E1} + Pr{E2} Pr{E1E2}
En particular,
Pr{E1 + E2} = Pr{E1} + Pr{E2} para sucesos mutuamente
excluyentes
Como extensin de esto, si E1 E2, En son n sucesos
mutuamente excluyentes con probabilidades respectivas p1,
p2, p3, ... pn es p1 + p2 + p3 + ... + pn
El resultado (5) se puede generalizar a tres o ms sucesos
mutuamente excluyentes

Acontecimientos mutuamente excluyentes

o incompatibles
(regla de la adicin)
AU B
B

P( A

B)

P( A) P( B)
A

Acontecimientos
compatibles
A

B
AU B

P( A

B)

P( A) P( B) P( A

B)

Probabilidad condicional

P( A B)
P( B)

P( A B)
tamao de uno con
respecto al otro

S espacio muestral

A
B

No confundir probabilidad condicionada

con interseccin.
En ambos se mide efectivamente la
interseccin, pero
En P(AB), interseccin con respecto a
P(S)=1
En P(A|B) , interseccin con respecto a
P(B)

Sistema exhaustivo y excluyente de acontecimientos

A1

A2

Son una coleccin de acontecimientos

A1, A2, A3, A4

La unin de todos ellos completan el
espacio muestral (S)
y sus intersecciones son vacias

A3

A4

15

Todo acontecimiento B, puede ser descompuesto en componentes

de dicho sistema.
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )

A2

A1

Teorema de la probabilidad total

Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema y excluyente de
acontecimientos

se puede calcular la probabilidad de B.

A3

A4

P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + ( BA4 )

= P(B|A1) P(A1) + P(B|A2) P(A2) + P(B|A3) P(A3) + P(B|A4) P(A4)
16

Teorema de Bayes

A2

A1

Si ocurre B, podemos calcular la

probabilidad (a posteriori) de
ocurrencia de cada Ai.

P(Ai | B)
B

P(B Ai )
P(B)

P(B) se puede calcular usando el

teorema de la probabilidad total

A3

A4

= P(B|A1) P(A1) + P(B|A2) P(A2) + P(B|A3) P(A3) + P(B|A4) P(A4)

17

Teorema de Bayes

P( Ai B)

P( B Ai ).P( Ai )

P( Ai B)
P( B)

P( B A j ).P( A j )
j

y se utiliza cuando se tienen

eventos condicionados; se sabe de
la ocurrencia del evento B
Thomas Bayes
(?- 1761)

18

Le pide a un vecino que mientras usted sale de

vacaciones le riegue una planta enfermiza. Si la planta
no se riega, la probabilidad de que la planta muera es
de 75%; si la planta se riega, la probabilidad de que la
planta muera es de 15%. Usted estima que su vecino
se acordar de regar la planta con una probabilidad de
80%.
a) Cul es la probabilidad de que la planta an est
viva cuando usted regrese de sus vacaciones?
b) Si encuentra la planta muerta, Cul es la
probabilidad de que a su vecino se le haya olvidado
regarla?
19

Tres joyeros idnticos tienen cada uno dos cajones. Cada cajn
del primero contiene un reloj de oro, y cada uno del segundo
un reloj de plata, En un cajn del tercero hay un reloj de oro y
en el otro uno de plata. Si seleccionamos un joyero al azar,
abrimos uno de sus cajones y en el hay un reloj de plata, cul
es la probabilidad de que en el otro cajn haya un reloj de oro?
RO p(J3 / P)
J1
J2

RO
RP
RP

J3

p(J3) p(P / J3)

p(J1) p(P / J1) p(J 2) p(P / J 2) p(J3) p(P / J3)

1 / 3 0,5
p( J 3 / P )
1 / 3 0 1 / 3 1 1 / 3 0,5

1
3

RO

RP
20

 Un dado ha sido trucado de manera que la

probabilidad de sacar un nmero par es el
doble que la de sacar un nmero impar. Se
lanza, a la vez, el dado trucado con otro no
trucado. Calcular la probabilidad de obtener
al menos un nmero impar.

21

DISTRIBUCIONES DE PROBABILIDAD
Variables discretas:
Si una variable X puede tomar un conjunto discreto de
valores X1, X2, , XK, con probabilidades respectivas
p1, p2, ... pK, donde p1 + p2 + + pK = 1, decimos que
tenemos definida una distribucin de probabilidad
discreta para X. La funcin p(X), que tiene valores p1,
p2, ... pK para X = X1, X2,..., XK, se llama funcin de
probabilidad o una funcin de frecuencia de X. Como X
puede tomar ciertos valores con ciertas probabilidades,
se le llama una variable aleatoria discreta. Una variable
aleatoria se conoce tambin como variable estocstica.

El juego de la chica y la grande consiste en tirar un par de dados y si la suma de

los puntos de las caras superiores da entre 2 y 6, entonces es chica; si la suma de
los puntos de las caras superiores da entre 8 y 12, entonces es grande; si la suma
de los puntos de las caras superiores da 7, entonces es siete. Si un apostador
juega y gana entonces el mesero le devuelve la apuesta y como premio otro monto
similar a la apuesta. En caso de que el apostador apueste al siete y gane,
entonces el mesero le devuelve la apuesta y un monto igual al doble de la apuesta
como premio. Si pierde, pierde la apuesta.
Calcular la probabilidad de que al tirar el par de dados caiga: a) grande b) siete.
1-1 1-2 1-3 1-4 1-5 1-6
2-1 2-2 2-3 2-4 2-5 2-6

2
3
4
5
6

8
9
10
11
12

3-1 3-2 3-3 3-4 3-5 3-6

4-1 4-2 4-3 4-4 4-5 4-6

5-1 5-2 5-3 5-4 5-5 5-6
6-1 6-2 6-3 6-4 6-5 6-6

1
P(2) =
36
2
P(3) =
36
3
P(4) =
36
4
P(5) =
36
5
P(6) =
36
6
P(7) =
36
5
P(8) =
36
2
P(11) =
36

(2,78%)

1
(5,56%)
18
1
(8,33%)
12
1
(11,11%)
9

1-1 1-2 1-3 1-4 1-5 1-6

2-1 2-2 2-3 2-4 2-5 2-6

4-1 4-2 4-3 4-4 4-5 4-6

11

(13,89%)

5-1 5-2 5-3 5-4 5-5 5-6

12

1
6

3 - 1 3 - 2 3 - 3 3 - 4 3 - 5 3 - 6 10

6-1 6-2 6-3 6-4 6-5 6-6

(16,66%)

(13,89%)

1
(5,56%)
18

1
(11,11%)
9
1
P(12) =
(2,78%)
36

P(9) =

4
36

3
P(10) =
36

1
12

(8,33%

Suma de todas las probabilidades:

2,78 + 5,56 + 8,33 + 11,11 + 13,89 + 16,66 + 13,89 + 11,11 + 8,33 + 5, 56 + 2,78 = 100

Distribucin de probabilidades:
x

10

11

12

p(x) (%) 2,78 5,56 8,33 11,11 13,89 16,66 13,89 11,11 8,33 5,56 2,78

p [%]
20
18
16
14
12
10
8
6
4
2

3 4 5

9 10 11 12

puntos

DISTRIBUCIONES DE PROBABILIDAD
Variables continuas:
Las ideas anteriores se extienden a variables que pueden
tomar un conjunto continuo de valores. El polgono de
frecuencias relativas de una muestra se convierte en una
curva continua de ecuacin Y = p(X). El rea total bajo esa
curva y sobre el eje X es 1, y el rea entre X a y X b
(sombreada en la figura) da la probabilidad de que X est
entre a y b, que se denota por Pr{a < X < b}.
Llamamos a p(x) una funcin densidad de probabilidad, o
brevemente una funcin densidad, y cuando tal funcin es
dada decimos que se ha definido una distribucin de
probabilidad continua para X. La variable X se llama
entonces una variable aleatoria continua.

p( X )

Pr{a < X < b}

ESPERANZA MATEMTICA
Si p es la probabilidad de que una persona reciba
una cantidad S de dinero, la esperanza matemtica
(o simplemente esperanza) se define como pS.

Anlisis combinatorio
Principio fundamental
Si un suceso puede ocurrir de n1 maneras, y si cuando
ste ha ocurrido otro suceso puede ocurrir de n2
maneras, entonces el nmero de maneras en que
ambos pueden ocurrir en el orden especificado es n1n2.
EJEMPLO: de cuntas

maneras distintas se

puede ir de A hasta B?
A

Hay 4 3 = 12 caminos
distintos para ir desde
A hasta B

Permutaciones
Dados n objetos distintos, llamamos permutacin a
una ordenacin particular de los n objetos.
Ejemplo: Hay 6 posibles permutaciones con las tres
letras a, b, c:
abc, acb, bac, bca, cab, cba.
El nmero de permutaciones de n objetos diferentes
tomados todos a la vez es n!

Pn

n (n 1) (n

2) 3 2 1

n!

Permutaciones (sin repeticin)

Un comentarista deportivo de ftbol sugera que para
conseguir el equipo ideal de entre los 20 jugadores
(excluido el arquero) de la seleccin, el entrenador
debera probar todas las posibilidades para dar con el
10 ideal. Le dara tiempo en una liga?

20
19
18
12
11 670.442.572.800

...

10 factores

Permutaciones (sin repeticin)

Segn la regla del producto, las maneras de escoger r
elementos distintos de entre un total de n segn
un determinado orden, ser igual al producto de:

Pn,r

n (n 1) (n 2) ... (n r 1)

Esta expresin se conoce como permutacin de n elementos

tomados de r en r, y se representa por Pn,r.
Habitualmente se expresa como:

Pn,r

n!
(n r)!

En el problema
anterior:

P20,10

n (n 1) (n 2) ... 3 2 1
(n r) (n r 1) ... 3 2 1
20!
(20 10)!

20!
10!

20 19 18 ... 12 11

Cuantos nmeros de tres cifras distintas y significativas

se pueden formar con las nueve cifras del sistema decimal
1, 2, 3, 4, 5, 6, 7, 8, 9? Y si admitimos el 0?
Al tratarse de nmeros el orden importa y adems nos
dice "cifras distintas" luego no pueden repetirse.

P9,3

9 8 7

504

Si admitimos el 0, como primera opcin seguimos teniendo

9 nmeros, pero ahora como segundo nmero podemos us
tambin el 0, luego tenemos 9 posibles candidatos...:

9 9 8 641

Combinaciones (sin repeticin)

Cuntas posibles combinados (mezclas) de dos
bebidas podemos hacer con ginebra, vodka y tequila?

Si el orden importara tendramos 3 2 = 6.

Pero en realidad: (g, v) = (v, g), (g, t) = (t, g) y (t, v) = (v, t),
porque el orden no importa. De modo que debemos
dividir entre 2: 6 / 2 = 3.

Cuntas posibles combinados de tres bebidas

podemos hacer con ginebra, vodka, tequila y ron?
De nuevo, si el orden importara tendramos 4 3 2 = 24.
Pero en realidad: (g, v, t) = (g, t, v) = (v, g, t) = etc...,
porque el orden no importa. De modo que debemos
dividir entre 3!:
24 / 3! = 4.