Anda di halaman 1dari 59

Probabilidades

2. Probabilidades
1 Definiciones
El concepto de probabilidad se encuentra con frecuencia en la
comunicacin entre las personas. Por ejemplo:

1) Pilar y lvaro tienen un 27% de probabilidades de ganarse un


viaje al extranjero.
2) Los alumnos del Colegio de Santa Luisa tienen un 95% de
probabilidades de ingresar a la universidad.
En los ejemplos, se da una medida de la ocurrencia de una situacin que
es incierta (ganarse un viaje o ingresar a la universidad), y esta se
expresa mediante un nmero.
1.1 Experimentos aleatorios

Representan aquellas situaciones en las cuales podemos conocer todas


las posibilidades de resultados que ocurrirn, pero no cul es el
resultado exacto que va a ocurrir.

2. Probabilidades
1.2 Espacio muestral
Es el conjunto formado por todos los resultados posibles de un
experimento aleatorio.
Ejemplo:

Al lanzar un dado de seis caras, el espacio muestral es : E = {1, 2, 3, 4, 5, 6}


Ejemplo:

Cuntos elementos tiene el espacio muestral si se lanza una moneda


y un dado de seis caras?
Usamos el principio multiplicativo:
Moneda: 2 posibilidades
Dado: 6 posibilidades
2 6 = 12 elementos

Cuando un experimento tiene a


resultados y se repite n veces, el
espacio muestral tiene an elementos.

2. Probabilidades
1.3 Evento o suceso
Corresponde a un subconjunto del espacio muestral, determinado por una
condicin establecida.
Ejemplo:
Al lanzar dos monedas, que salgan solo dos caras; el evento
determinado es:
A = Que salgan dos caras.

Los sucesos se designan con letras


maysculas.

Ejemplo:

En el lanzamiento de un dado, cuntos elementos tiene el espacio


muestral y cuntos el suceso que salga un nmero par?
Espacio muestral : 6 elementos.
Suceso B = que salga un nmero par : 3 elementos

2. Probabilidades
2 Probabilidad clsica
Est ntimamente ligada al concepto de azar y ayuda a comprender las
posibilidades de los resultados de un experimento.
Intuitivamente podemos observar que cuanto ms probable es que ocurra
el evento, su medida de ocurrencia estar ms prximo a 1 o al 100%, y
cuando menos probable, ms se aproximar a 0.
Si A representa un evento o suceso, se cumple que:
0 P(A) 1

0% P(A) 100%

2. Probabilidades
2.1 Regla de Laplace
Una probabilidad se calcula utilizando la siguiente frmula:

P(A) =

Casos favorables
Casos posibles

cardinalidad del evento o suceso.


cardinalidad del espacio muestral.

Ejemplo:
Al lanzar un dado, cul es la probabilidad de obtener un nmero primo?
Solucin:
El espacio muestral es E = {1, 2, 3, 4, 5, 6}, por lo tanto los casos
posibles son 6.
Sea el evento o suceso A = que salga un nmero primo, entonces
A = {2, 3, 5}, por lo tanto los casos favorables son 3.
Luego:
P(A) = 3 = 1
6
2

2. Probabilidades
2.2 Tipos de sucesos
Suceso imposible

Si se tiene certeza absoluta de que un evento A NO ocurrir:


P(A) = 0

Ejemplo:
La probabilidad de obtener un nmero mayor que 6 al lanzar un
dado comn es 0 (0 de 6).
Casos posibles: 6 (1,2,3,4,5,6)
Casos favorables: 0
P(mayor que 6) = 0 = 0
6

2. Probabilidades
2.2 Tipos de sucesos
Suceso seguro

Si se tiene certeza absoluta de que un evento A ocurrir:


P(A) = 1

Ejemplo:
La probabilidad de obtener un nmero natural al lanzar un dado comn
es 1 (6 de 6).
Casos posibles: 6 (1, 2, 3, 4, 5, 6)
Casos favorables: 6 (1, 2, 3, 4, 5, 6)
P(natural) =

6
6

=1

Probabilidades
2.2 Tipos de sucesos
Suceso contrario

La probabilidad de que un suceso NO ocurra, o probabilidad de un


suceso contrario, se obtiene a travs de:
P(A) = 1 P(A)
Ejemplo:

Si la probabilidad de que llueva es 2 , cul es la probabilidad de que


5
NO llueva?
Solucin:
P(no llueva) = 1 P(llueva)

P(no llueva) = 1 2
5
3
P(no llueva) =
5

Probabilidades
2.3 Ley de los grandes nmeros
Cuando todos los resultados de un experimento son equiprobables (tienen
la misma probabilidad de ocurrir), se pueden establecer algunas
conclusiones relacionando la probabilidad con la frecuencia absoluta de
cada evento.
Por ejemplo, Mariela lanz un dado 100 veces y registr los resultados en
la siguiente tabla:
N

Cantidad de
veces que sali

Frecuencia
absoluta

15

0,15

17

0,17

20

0, 20

19

0,19

13

0,13

16

0,16

100

2. Probabilidades
2.3 Ley de los grandes nmeros
Luego, volvi a lanzar pero 1.000 veces el mismo dado y agreg los datos
en una nueva tabla:
N

Cantidad de
veces que sali

Frecuencia
absoluta

158

0,158

161

0,161

168

0, 168

165

0,165

176

0,176

172

0,172

1.000

Es posible establecer alguna relacin entre las tablas y la probabilidad


de que salga un 2?

2. Probabilidades
2.3 Ley de los grandes nmeros
La probabilidad de que salga un 2 al lanzar un dado es:
P(2) = 1 , que es equivalente a decir P(2) = 0,16666
6
En la primera tabla la frecuencia absoluta del nmero 2, es 0,17
En la segunda tabla la frecuencia absoluta del nmero 2, es 0,161
N

Cantidad de
veces que sali

Frecuencia
absoluta

Cantidad de
veces que sali

Frecuencia
absoluta

17

0,17

161

0,161

100

1.000

Si comparamos los resultados obtenidos con la probabilidad que salga el


nmero 2, se puede concluir que a mayor cantidad de repeticiones del
experimento, este siempre tender a la probabilidad calculada a priori.

Sntesis de la clase

Probabilidad

Regla de
Laplace
Tipos de
sucesos

Ley de los
grandes
nmeros

P=

Casos favorables
Casos posibles

1. Diagrama de rbol
En algunos casos, para calcular la probabilidad son muy tiles los
diagramas de rbol cuyas ramas nos indican las distintas posibilidades que
pueden existir.
Ejemplo: Al lanzar tres
monedas, cul es la
probabilidad de obtener
a lo ms 2 caras?

Solucin:
Al realizar un diagrama de
rbol para entender las
posibilidades tenemos:

1. Diagrama de rbol
Existen 8 formas distintas, casos posibles, en que pueden caer 3
monedas.
La frase a lo ms significa menor o igual que. Por lo tanto, el evento
buscado es que salgan 0, 1 o 2 caras.
El evento tiene 7 casos favorables, luego su probabilidad es:

P(a lo ms 2 caras) =

7
8

3. Leyes de probabilidad
3.1 Ley de probabilidad total
Eventos: MUTUAMENTE EXCLUYENTES Unin de dos Eventos

Cuando A y B son eventos en que si ocurre uno el otro no puede ocurrir,


entonces la probabilidad est dada por:
P(A U B) = P(A) + P(B)
Donde A U B representa la suma de los elementos que cumplen alguna
de las condiciones de los sucesos.

Los ejercicios de ley de probabilidad total es posible identificarlos, ya


que aparece una o en el enunciado.

3. Leyes de probabilidad
3.1 Ley de probabilidad total
Ejemplo: Al lanzar un dado, cul es la probabilidad de que salga un
nmero menor que 2 o mayor que 5?
Solucin:
P( nmero menor que 2) = 1
6
1
P(nmero mayor que 5) = 6
Luego, se observa que NO se repite ningn elemento. Desarrollando:
P((< 2) o (> 5)) = P((< 2) U (> 5))
= P(< 2) + P(> 5)
=

1 + 1
6
6

1
3

3. Leyes de probabilidad
3.1 Ley de probabilidad total
Eventos: NO MUTUAMENTE EXCLUYENTES Unin de dos eventos

Cuando A y B son eventos en que pueden ocurrir al mismo tiempo,


entonces la probabilidad est dada por:
U

P(A U B) = P(A) + P(B) P(A

B)

Donde A B representa la cantidad de elementos comunes entre los


sucesos.

Los ejercicios de ley de probabilidad total es posible identificarlos, ya


que aparece una o en el enunciado.

3. Leyes de probabilidad
3.1 Ley de probabilidad total
Ejemplo: Al lanzar un dado, cul es la probabilidad de que salga un
nmero menor que 5 o un nmero par?
Solucin:
P( nmero menor que 5) = 4
6
P(nmero par) = 3
6

Luego, se observa que se repiten dos elementos {2, 4}, por lo tanto se
debe restar 2 que corresponde a la interseccin. Desarrollando:
6
P ((< 5) o (par)) = P(< 5) + P(par) P((< 5) (par))
4
3
2
=
+

6
6
6
=

5
6

3. Leyes de probabilidad
3.3 Ley de probabilidad compuesta
Eventos: Independientes Interseccin de dos eventos

Cuando A y B son eventos en que la ocurrencia de uno NO afecta la


ocurrencia del otro, entonces la probabilidad est dada por:
P(A y B) = P(A) P(B)
Los ejercicios de ley de probabilidad compuesta es posible
identificarlos, ya que, en muchos casos, aparece una y en el
enunciado.

3. Leyes de probabilidad
3.3 Ley de probabilidad compuesta
Ejemplo 1: Cul es la probabilidad de que al lanzar dos veces un dado
se obtengan dos nmeros pares?
Solucin:
P(nmero par) = 3
6
Si en el primer lanzamiento sale nmero par, esto no influye en que en el
segundo lanzamiento salga nmero par, por lo tanto son independientes.
P(par y par) = P(par) P(par)
=

3
3

6
6

= 1
4

3. Leyes de probabilidad
3.3 Ley de probabilidad compuesta
Ejemplo 2: Se tiene una bolsa con 30 bolitas entre blancas y rojas, de las
cuales 12 son blancas, todas de igual peso y tamao. Si se extraen 2
bolitas al azar, con reposicin, cul es la probabilidad de que ambas
sean blancas?
Solucin:
P(pelota blanca) = 12
30

Si en la primera extraccin sale una bolita blanca, al extraer la segunda


bolita no influye en su probabilidad, ya que se repone a la bolsa. Por lo
tanto, son independientes.
P(blanca) y P(blanca) = P(blanca) P(blanca)
12 12

30 30
= 4
25
=

3. Leyes de probabilidad
3.3 Ley de probabilidad compuesta
Eventos: Dependientes

Cuando A y B son eventos en que la ocurrencia de uno afecta la


ocurrencia del otro, entonces la probabilidad est dada por:
P(A y B) = P(A) P(B/A)
Donde B/A representa que el evento B ocurre despus de haber ocurrido
el evento A, es decir varan los casos posibles y favorables del evento B.
Los ejercicios de ley de probabilidad compuesta es posible
identificarlos, ya que, en muchos casos, aparece una y en el
enunciado.

3. Leyes de probabilidad
3.3 Ley de probabilidad compuesta
Ejemplo 1: Se tiene una bolsa con 30 bolitas entre blancas y rojas, de las
cuales 12 son blancas, todas de igual peso y tamao. Si se extraen 2
bolitas al azar, sin reposicin, cul es la probabilidad de que ambas sean
blancas?
Solucin:
Si en la primera extraccin sale una bolita blanca, al extraer la segunda
los casos favorables y posibles varan, ya que hay una bolita menos.

12
P( pelota blanca primera extraccin) =
30
P( pelota blanca segunda extraccin) = 11
29
P(blanca) y P(blanca) = P(blanca) P(blanca/blanca)

12 11

30 29
= 22
145
=

3. Leyes de probabilidad
3.3 Ley de probabilidad compuesta
Ejemplo 2: Se tiene una jaula con 8 pjaros amarillos y 6 celestes. Si se
escapan dos pjaros de la jaula, cul es la probabilidad de que el primero
sea amarillo y el segundo sea celeste?
Solucin:

Si se escapa un pjaro, al escaparse el segundo ya hay menos pjaros en


la jaula, por lo tanto s afecta la probabilidad del segundo.
P (pjaro amarillo) = 8
14
P (pjaro celeste ) = 6
13
P(amarillo) y P(celeste) = P(amarillo) P(celeste/amarillo)
8
6

14 13
= 24
91

Sntesis de la clase

Probabilidades
PROBABILIDAD
COMPUESTA

PROBABILIDAD TOTAL

Mutuamente
Excluyentes

PROBABILIDAD
CONDICIONADA

Independientes
P(A) P(B)

P(A B) = P(A) + P(B)


NO Mutuamente
Excluyentes

P(A B) = P(A) + P(B) P(A B)

Dependientes
P(A) P(B/A)

P (B / A )

P( A B)
P ( A)

3. Leyes de probabilidad
3.2 Ley de probabilidad condicionada
La probabilidad Condicional permite calcular la probabilidad de un evento
restringido por la ocurrencia de otro evento, se escribe P(B/A) y se lee
probabilidad de que ocurra un evento B dado que ocurri un evento A

Se llama probabilidad de B condicionada a A, a la probabilidad de B


tomando el espacio muestral de A. Es decir, se calcula la probabilidad de B
dado que ya ocurri un evento A. Se calcula:

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

El valor de P(A) depender si en el


experimento hay o no reposicin de
elementos.

3. Leyes de probabilidad
3.2 Ley de probabilidad condicionada
Ejemplo: Una urna contiene 3 bolitas rojas numeradas del 1 al 3 y 6
bolitas amarillas numeradas del 1 al 6. Al extraer una bolita al azar result
ser un nmero par, cul es la probabilidad que la bolita sea roja?
Solucin:
P(par color rojo) = 1
9

3
1
P(par color amarillo) = 9 = 3
P(par de cualquier color) = 1 + 1 = 4
9 3
9

1
P(par y roja) 9 1
P(roja/nmero par)

4 4
P(par)
9

FUNCION DE
PROBABILIDAD

FUNCION DE
DISTRIBUCION

TABULANDO PROBABILIDADES

Probabilidad Acumulada

Cul ser el valor de la esperanza en


el ejemplo del dado cargado y
cmo se interpreta este valor?

Ejericio1:

Ejercicios propuestos

DISTRIBUCION
BINOMIAL

3. Distribucin binomial
Un experimento sigue el modelo de la distribucin binomial o
de Bernoulli si:
1. En cada prueba del experimento, solo son posibles dos
resultados (experimento aleatorio dicotmico).
2. El resultado obtenido en cada prueba es independiente de
los resultados obtenidos anteriormente.
3. Su probabilidad es constante, no vara de una prueba a otra.
Ejemplos:

Una persona puede estar sana o enferma, un artefacto puede


estar defectuoso o no defectuoso, al lanzar una moneda, esta
puede caer cara o sello, etc.

3. Distribucin binomial

Si la probabilidad de xito en un experimento aleatorio dicotmico


es p y la probabilidad de fracaso, en el mismo experimento, es
q = 1 p, entonces la probabilidad de obtener exactamente k
xitos, al efectuar de forma independiente N veces dicho
experimento aleatorio, est dado por la expresin

N k N k
p q
k

N
N!

Donde:
k k!(N k)!

DEFINICION

3. Distribucin binomial

ALTERNATIVA
CORRECTA

Ejemplo:

Si se lanza un dado comn 120 veces, cul es la probabilidad de


obtener exactamente 20 veces el nmero 1?
p: 1
6
q: 5
6

Probabilidad de
tener xito

Probabilidad de
fracaso

N: 120

N de pruebas

k: 20

N de xitos

20
120 20
N k N k
120 1 5
P( X k ) p q
P(20)

k
20 6 6

Fuente : DEMRE - U. DE CHILE, Proceso de admisin 2016.

Pregunta oficial PSU


73. En el experimento de lanzar dos dados comunes se define la
variable aleatoria X como el valor absoluto de la diferencia de los
nmeros que se obtienen. Cul de las siguientes afirmaciones
es FALSA?
A) P(X 0) = 1

B) P(X 2) =

10
21

C) P(X = 0) =

6
36

D) El recorrido de X es {0, 1, 2, 3, 4, 5}.


E) P(X 5) = 1

ALTERNATIVA
CORRECTA

B
Fuente : DEMRE - U. DE CHILE, Proceso de admisin 2015.