UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA MECÁNICA Y DE ENERGÍA

PROBABILIDAD
Prof. V.Contreras T.

En esta parte se desarrolló espacios muestrales, definición de probabilidad

como función, definición clásica, probabilidades condicionales y el teorema de
Bayes. En cada sección se presentó ejemplos para mejor comprensión de la
teorı́a presentada.

0.1. Experimento aleatorio o fenómeno aleato-

rio
Es todo proceso que consiste de la ejecución de un acto(ó prueba) una
ó más veces cuyo resultado en cada prueba depende del azar y en cosecuencia
no se puede predecir con certeza.
Ejemplo

1. El lanzamiento de una moneda.

2. El lanzamiento de un dado.

3. La carrera de caballos etc.

Espacio muestral o espacio de muestra (Ω)

Es el conjunto de todos los resultados posibles de un experimento aleatorio.

Ejemplo
En el lanzamiento de una moneda tres veces se tiene que:

Ω = {ccc, ccs, csc, css, scc, scs, ssc, sss}

Clasificación de un espacio muestral

Por el número de sus elementos o puntos muestrales se clasifican en:

1
Discreto finito Consiste en un número finito de elementos. Ejemplo:
Si el experimento consiste en lanzar dos monedas simultaneamente so-
bre una superficie plana, existen 4 posibles resultados mutuamente ex-
cluyentes:
Ω = {cc, cs, sc, ss}

Discreto infinito Consiste en el número infinito numerable de elementos.

Ejemplo:
El número de lanzamientos de una moneda hasta obtener cara(c), en-
tonces
Ω = {c, sc, ssc, sssc, ...}

Continuo Consiste de un número infinito no numerable de elementos por

ejemplo:
Si el experimento aleatorio consiste en registrar los pesos(en kg) de los
estudiantes, entonces

Ω = {w ∈ R/1 ≤ w < 100}

Evento

Se denomina evento a cualquier subconjunto de un espacio muestral.

El espacio muestral Ω, es el evento cierto, el cojunto vacio φ es el evento
imposible. Si w ∈ Ω, el evento {w}se llama evento elemental o simple.
En un espacio muestral finito de n elementos se tiene 2n eventos.

Definición 0.1.1 .

1. Se dice que un evento A ocurre, si contiene por lo menos un punto

muestral de algún experimento aleatorio, esto es

A ocurre ⇔ ∃w ∈ A

2. Si A y B son eventos entonces:

a) A ⊂ B ⇔ w ∈ Ω, w ∈ A ⇒ w ∈ B (Si A ocurre, ocurre B)

b) A = B ⇔ A ⊂ B ∧ B ⊂ A

2
 c) Ac = {w ∈ Ω : wno pertenece aA}

d) A ∩ B es un evento y ocurre si, A ocurre y B ocurre.

e) A − B es un evento y ocurre si, ocurre A y no ocurre B.

f) A ∪ B es un evento y ocurre si,ocurre A u ocurre B.

Nota
Si An ∈ Ω , ∀n ∈ N entonces
S S∞
1. ∞ n=1 An es un evento y n=1 An ocurre ⇔ ocurre al menos un An .
T T∞
2. ∞ n=1 An es un evento y n=1 An ocurre ⇔ ocurre todos los An .

0.2. Medida de Probabilidad

Definición 0.2.1 Sea Ω un espacio muestral y sea P(Ω) el conjunto de
partes de Omega. Una medida de probabilidad es una función
P : P(Ω) → [0, 1] que satisface:

1. P (Ω) = 1

2. P (An ) ≥ 0 , ∀An ∈ P(Ω)

3. Si A1 , A2 , .... ∈ P(Ω) son disjuntos dos a dos, esto es An ∩ Am = φ

S P∞
para n 6= m, entonces P ( ∞ n=1 An ) = n=1 P (An )

Teorema 0.2.1 Sean Ω el espacio muestral, P(Ω) y P una medida de prob-

abilidad. Se cumplen:

1. P (φ) = 0

2. P (A) = 1 − P (Ac ) o P (Ac ) = 1 − P (A)

3. La función P es no decreciente esto es:

A ⊂ B ⇒ P (A) ≤ P (B)

3
 4. P (A∪B) = P (A)+P (B)−P (A∩B) si A y B son eventos cualesquiera.

Probabilidad Clásica

Considere un experimento aleatorio con espacio muestral un conjunto fini-

to Ω. Asocie a este conjunto el conjunto de partes de Ω y para cualquier
subconjunto A de Ω defina
número de casos favorables a A Card A
P (A) = =
número de casos posibles Card Ω
Entonces P es una medida de probabilidad, y es llamada probabilidad
clásica. De acuerdo a esta definición, para calcular la probabilidad de un
evento es necesario entonces conocer su cardinalidad. En los inicios de la
teorı́a de la probabilidad se consideraban únicamente modelos de este tipo, los
cuales eran estudiados en el contexto de los juegos de azar. De esta forma de
calcular probabilidades surgen muchos y muy variados problemas de conteo,
algunos de los cuales pueden no ser fáciles de resolver.

Probabilidad Geométrica

Supongamos que el segmento l es la parte de un segmeto L. Sobre el

segmento L se ha marcado un punto al azar. Admitiendo que la probabilidad
de que el punto caiga en el segmento l es proporcional a la longitud de
este segmento y no depende de su posición con respecto al segmento L, la
probailidad de incidencia del punto sobre el segmento l se determina por la
igualdad:
longitud l
P =
longitud L
Se determina la probabilidad de que un punto caiga en la figura plana g que
forma parte de la figura plana G por:
superficie g
P =
superficie G
Análogamente Se determina la probabilidad de que un punto caiga en la
figura espacial o tridimensional v que forma parte de la figura V por:
Volumen v
P =
Volumen V

4
0.3. Probabilidad Condicional
Definición 0.3.1 Sean A , B ∈ P(Ω) y P (B) > 0. La Probabilidad condi-
cional de A dado B, denotado por P (A/B) se define:
P (A ∩ B)
P (A/B) =
P (B)
P (A/B) es la probabilidad de ocurrencia de A dado que ha ocurrido B o
tambien se puede interpretar como la probabilidad de ocurrencia del evento
A en el espacio muestral restringido a B.

Teorema 0.3.1 Se cumplen:

1. P (A/B) ≥ 0 para todo A

2. P (Ω/B) = 1

3. P (φ/B) = 0

4. P (Ac /B) = 1 − P (A/B)

5. Si A1 ∩ A2 = φ ⇒ P ((A1 ∪ A2 )/B) = P (A1 /B) + P (A2 /B)

6. Si A1 y A2 son dos eventos cualesquiera entonces

P ((A1 ∪ A2 )/B) = P (A1 /B) + P (A2 /B) − P ((A1 ∩ A2 )/B)

0.4. Eventos independientes

Definición 0.4.1 Se dice que dos eventos A y B son independientes si y
solo si P (A/B) = P (A) o bien P (B/A) = P (B). De otra manera se dice que
los eventos son dependientes.

Teorema 0.4.1 (De la multiplicación de eventos independientes) Los

eventos A y B son independientes si y solo si P (A ∩ B) = P (A) P (B)

5
0.4.1. Independencia Conjunta
Sean A1 , A2 , .....An eventos y son independientes si y solo si son mu-
tuamente independientes dos a dos, son independientes tres a tres,.... son
independientes tomados de n a n.

Teorema 0.4.2 Las 4 proposiciones siguientes son equivalentes:

1. A y B son independientes.

2. A y B c son independientes.

3. Ac y B son independientes.

4. Ac y B c son independientes.

0.5. Ley de la probabilidad total

Dado un conjunto de eventos S1 , S2 , , ...Sk que son mutuamente ex-
cluyentes y exhaustivos (es decir juntos costituyen el espacio muestral entero)
y un evento A, la probabilidad del evento A se puede expresar como:
k
X
P (A) = P (Si ) P (A/Si )
i=1

Teorema 0.5.1 (TEOREMA DE BAYES) Si S1 , S2 , , ...Sk representan

el conjunto k de subpoblaciónes mutuamente excluyentes y exhaustivos con
probabilidad a priori P (S1 ) , P (S2 ) , , ....P (Sk ). Si ocurre un evento A la prob-
abilidad a posteriori de Si dado A es la probabilidad condicional

P (Si ) P (A/Si )
P (Si /A) = Pk
j=1 P (Sj ) P (A/Sj )

para i = 1, 2, 3, ...k