FUNDAMENTOS DE PROBABILIDAD.
Espacio Muestral y Eventos
La clase de todos los eventos asociados a un experimento dado esta definido como el
espacio muestral o espacio de los eventos, es decir todos los resultados posibles del
experimento. Un evento es un subconjunto del espacio muestral. Al espacio muestral lo
denotaremos por , R o S.
Ejemplo2.1:
Se lanzará un dado perfectamente equilibrado y observamos la cara superior del dado. el
espacio muestral es el siguiente.
Ω= {1,2,3,4,5,6}
Sea A el evento de encontrar números pares y su espacio muestral será:.
A={2,4,6}
Ejemplo 2.2
Sea el experimento de lanzar 3 monedas a la vez, una de un peso, otra de 50¢ y otra de
20¢. Donde A=aguila y S=sol, el espacio muestral es el siguiente
Ω ={ A,A,A) A,A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A,A) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A)}
Ejemplo 2.3.
Sea el experimento de lanzar dos dados perfectamente balanceados y observamos sus
caras superiores, el espacio muestral es el siguiente:
=
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
{ (2,2)
(3,2)
(4,2)
(5,2)
(6,2)
( 2,3)
( 3,3)
( 4,3 )
( 5,3)
( 6,3)
(2,4 )
(3,4 )
(4,4 )
(5,4 )
(6,4 )
(2,5)
(3,5)
(4,5 )
(5,5)
(6,5)
( 2,6 )
( 3,6 )
( 4,6 )
( 5,6 )
( 6,6 )
}
Sea A el evento la suma de sus dos caras de ambos lados y sea B la diferencia en valor
absoluto de sus caras. Encontrar el espacio de los eventos.
Desarrollo.
A={2,3,4,5,6,7,8,9,10,11,12}= {(i+j);i=1,2,...,6 y j=1,2,...,6 }
B= {0,1,2,3,4,5} = { (i-j);i=1,2,...,6 y j=1,2,...,6}
Sea C el evento del que en el segundo dado el numero que aparezca sea par.
i) P(A)
0; no existen probabilidades negativas.
ii) P(Ω)= 1
iii) Si A1,A2,……. es secuencia de eventos mutuamente exclusivos ( su intercepto es
∞
cero; A i ∩ A j =0 , i j, i, j=12,…) y sí A1A2.. = U A i entonces
i=1
∞ ∞
P(U A i )=∑ P( A i )
i=1 i=1
n( A)
P ( A)=
n()
Ejemplo 2.5:
Sea el experimento de lanzar 2 dados perfectamente balanceados, Sea el evento A que
la suma sea 7, el evento B que la diferencia sea un número par y sea el evento C de que
la diferencia sea impar.
=
{
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
( 2,3)
( 3,3)
( 4,3 )
( 5,3)
( 6,3)
(2,4 )
(3,4 )
(4,4 )
(5,4 )
(6,4 )
(2,5)
(3,5)
(4,5 )
(5,5)
(6,5)
( 2,6 )
( 3,6 )
( 4,6 )
( 5,6 )
( 6,6 )
} 6 1
A= {(1,6)( 2,5)(3,4 )(4,3)(5,2)(6,1) } P(A) = 36 = 6
P( A∩B)
P( A /B)=
P(B)
Donde P(B)≠0
Ejemplo 2.10:
Lanzamos dos monedas perfectamente equilibradas y observamos sus caras superiores
y se asume que son eventos equiprobables. Sea A el evento de que en ambas monedas
se observó sol. Sea B el evento de que al menos un sol apareció. Encontrar la
probabilidad de A dado que B ocurrió.
Ω = {(S,S),(S,A),(A,A),(A,S)}
1
A={(S,S)}, B={(S,A) (S,S) (A,S)} y Ρ( Α∩Β)=
4
P (A∩B) 1 /4 1
= P( A/ B)= = 3 /4 = 3
P(B)
Ejemplo 2.11:
De una caja que contiene 8 focos de los cuales 3 son defectuosos, se extrae 2 focos
aleatoriamente y sin reemplazamiento. Calcular la probabilidad de que el segundo foco
sea defectuoso, si el primer foco extraído fue defectuoso.
Sea
A: que el segundo foco extraído sea defectuoso.
B: que el primer foco extraído sea defectuoso.
Calculemos la P(A*B) y P(B).
=F=Foco no defectuoso.
= D= foco defectuoso
se tienen 5 focos F1 ,F2 ,F3 ,F4 ,F5 y 3 D1,D2,D3 por lo que el espacio muestral será:
Ω = {(F1,F2),(F1,F3),(F1,F4),(F1,F5),(F1,D1),(F1,D2),(F1,D3), (F2,F3), (F2,F4), (F2,F5), (F2,D1),
(F2,D2), (F2,D3), (F3,F4), (F3,F5), (F3,D1), (F3,D2), (F3,D3), (F4,F5), (F4,D1), (F4,D2), (F4,D3),
(F5,D1), (F5,D2), (F5,D3), (D1 ,D2), (D1 ,D3), (D2 ,D3)}
3 3
se tienen 28 combinaciones del par a extraer. Asi la P( A∗B)= y P( B)=
28 8
3
28 2
asi: P( A /B)= =
3 7
8
Ejemplo 2.11:
Lanzamos dos monedas perfectamente equilibradas y observamos sus caras superiores
y se asume que son eventos equiprobables. Encontrar la probabilidad de que la primera
moneda aparezca un sol y en la segunda también.
Ejemplo 2.12
Una carta es seleccionada de una baraja de 52 cartas definimos el evento de A que la
selección de la carta es Rey. B sea un Joto ó Quina y C que la carta sea un corazón.
4 1
P(A)= 52 = 13 P( A∩B)=0
8 2 1
P(B)= 52 = 13 P( A∩C)=
52
13 1 1
P(C)= 52 = 4 P( B∩C)=
26
Regla de Multiplicación.
P ( A∩B)
Si P( A/ B)=
P( B)
; P( B)≠0 y P( A∩B)=P ( A /B) P( B) .
P (A∩B)
P( B/ A )=
P( A)
; P( A)≠0 y P( A∩B)=P (B / A) P( A)
entonces:
Ejemplo.
Un grupo de estudiantes de la LCA esta compuesto de un 70% de hombres. Además se
sabe que un 60% de hombres y un 50% de mujeres fuma. Se se selecciona u n
estudiante al azar ¿ cuál es la probabilidad de que sea mujer fumadora?
Eventos:
: estudiantes de la LCA.
H: estudiante hombre.
M: estudiante mujer.
F: estudiante fumador.
Probabilidad de eventos:
70 30 %
P( H )= =0.7 , P( M )= =0.3 , P( F /H )=0.6 , P( F /M )=0.5
100 100 %
si
P(FM )
P( F /M )= ⇒ P( FM )=P(F /M ) P (M )=(0.5)(0.3)=0.15
P(M)
Probabilidad Total.
Sea A1 y A2 dos eventos mutuamente exclusivos y exhaustivos( A i∩ A j=∅ y
A 1∪ A 2= ) y sea B tal que B=B∩ A 1∪B∩ A2 por axioma se tiene que:
P( B⋅A 1)
P( B/ A 1)= por lo tanto P( B⋅A1 )=P( B/ A1 )⋅P( A1 ) …………........…………....(2)
P( A 1)
y
P (B⋅A 2)
P( B/ A 2 )= por lo tanto P( B⋅A2 )=P( B/ A2 )⋅P( A2 ) ….…………………...........(3)
P ( A 2)
o o
A1 A2
+
o
+
o
B
+ o
+
o
+ +
+
+ o
+
Ejemplo a.
Dos fabricas producen focos. La primera proporciona el 70% y la segunda el 30% de la
producción total. Por otra parte, se sabe que el 83% de los focos suministrados por la
primera fabrica se ajusta a las normas establecidas mientras que solo el 63% de los
producidos por la segunda, se ajusta a dichas normas. Encuentre la probabilidad de que
el foco entregado a un consumidor se ajusta a las normas establecidas.
P(B)= P( B/ A 1 ) * P( A1 ) + P( B/ A 2 ) * P( A2 ) = 0.77
Teorema De Bayes.
Las fórmulas de Bayes nos permiten calcular la probabilidad condicional de un evento
cualquiera a una familia de eventos exhaustivos y mutuamente excluyentes, si sabemos
que ha ocurrido un evento B del Ω, siempre que P(Ai) y P(B/Ai) sea conocidas
P( A i B)
P( A i / B)= ….....................................(1)
P(B)
pero (P( A i B)=P(B/ A i ) P( A i )) de acuerdo a la regla de multiplicación.
∑
i=1
P(B/ A i )P ( A i )
Ejemplo b.
…..del ejemplo a (de las fabricas)
Calcular la probabilidad de que un foco haya sido producida por la primera fabrica , si se
sabe que se ajusta a las normas. Sustituyendo en la formula de Bayes:
P( B/ A1 ) P( A 1)
P( A1 / B)= 2 0.83∗0.7
= 0.83∗0.7+ 0.63∗0.3 =0.75
∑ P (B / A i) P( Ai )
i =1
Ejemplo 2.13:
El señor González tiene 3 secretarias con diferentes niveles de competencia. Las
secretarias A1, A2 y A3. La secretaria A1 ha escrito el 20% de su trabajo, la secretaria A 2 el
40% y la secretaria A3 el 40%. Hay un error ortográfico que irrita al señor González y este
ha calculado que A1, lo comete el 90% de las veces que tiene que escribir la palabra en
cuestión, A2 que lo comete el 40% y que A 3 nunca. Si el señor González encuentra ese
error en una página del trabajo ¿Cuál es la probabilidad de que lo haya escrito la
secretaria A1? ¿La secretaria A2? ¿La secretaria A3?.
Solución:
(0.9)(0.2)
P( A1 / B)= =0.52
(0.9)(0.2)+(0.4)(0.4)+(0.0)(0.4)
(0.4)(0.4)
P( A2 / B)= =0.47
(0.9)(0.2)+(0.4)(0.4)+(0.0)( 0.4)
(0.0)(0.4)
P( A3 / B)= =0.0
(0.9)(0.2)+(0.4 )(0.4)+(0.0)( 0.4)
Ejemplo
Se tienen dos urnas con bolas rojas y blancas distribuidas de la siguiente manera:
urna 1: 3 rojas y 2 blancas.
urna 2: 2 rojas y 3 blancas.
Se extrae una bola de la urna 2 y se introduce en la urna 1. Si al extraer una bola de la
urna 1, esta es blanca, ¿cuál es la probabilidad de que la bola trasladada sea blanca
también?
1 3
( 2 )( 5 )
P( A1 / B)= 1 3 2 2 =0.5294117336=0.53
( 2 )( 5 )+( 3 )( 5 )
n ( A)
P fr =lim n
n→∞
Ejemplo 2.6:
Sea el experimento de escoger una carta de un mazo de 52 de una baraja inglesa. A sea
el evento de que sea diamante y B de que sea Rey.
13 1 4 1
P(A)= 52 = 4 P(B)= =
52 13
1
P(AB)= 52
3.- P P( A 1∪ A 2 ) = P( Α 1 )+ P( A 2 )
Entonces se tiene:
i) P( A 1 ∪ A 2)=P( A 1)+P( A 2)
ii) (P( A 1 ∪ A 2∪....∪A k )=P( A 1 )+P( A 2)+...+ P( A k ))
Ejemplo 2.7:
Del ejemplo 2.6, encontrar la probabilidad de que A no tenga corazones rojos será igual a
P(Ac)= 39
52
P( A 1 ∪ A 2 ) = P( A 1 )+ P( A 2)−P( A 1∩ A 2)
Ejemplo 2.8:
Encontrar la probabilidad de extraer una carta de las 52 de que sea Joto o Quina.
4 4 2
P( J∪Q) = P( J )+ P (Q)−P( J∩Q) = + −0 =
52 52 13
Ejemplo 2.9:
Encontrar la probabilidad de que sea corazón o Tréboles.
13 13 1
P(C∪T ) = + −0
52 52 = 2
={MIRTA}
C 32 3 C 22 1
P(A)= C 5 = 10 P(B)= =
2
C 52 10
Ejemplo 2:
El experimento es extraer de 52 cartas, 5 cartas. Sea A el evento de que todas sean
diamantes y B de que al menos una sea diamante
13 corazones
=
{ 13 picas
13 diamantes
13 treboles
} C 13
5
P(A)= C 52 =0.0005
5
una solución..........
c C 39
5
P( B )= =0.22 P(B)=1-P(Bc) = 1-0.22= 0.78
C 52
5
otra solución.....
C 13 39 13 39 13 39 13 39 13 39
1 C 4 +C 2 C 3 +C 3 C 2 +C 4 C 1 +C 5 C 0
P(B)= =0.78
C 52
5
Ejemplo 3:
Un dado perfectamente balanceado se lanza 2 veces. ¿Cuál es la probabilidad de que en
el segundo lanzamiento muestre el número 6, si en el primer lanzamiento mostró un
número mayor que 3? .
Definición de los eventos:
A: que el dado muestre un número 6
B: que el dado muestre un número mayor que 3.
es decir:
1
1 Ρ ( Α∩Β) 6 1
Α={6} Ρ( Α)= Ρ( Α/ Β)= = 3 =3
6 Ρ( Β)
6
3
Β={4,5,6} Ρ( Β)=
6
Ejemplo 4:
Una urna contiene 10 bolas blancas, 5 bolas rojas y 5 bolas azules. Si se extrae una bola
al azar. ¿Cuál es la probabilidad de que la bola extraída sea blanca si se sabe que no es
roja?
Eventos:
10
A: bola extraida sea blanca. P(A)= 20
5
B: bola extraída sea roja. P(B)= 20
5
C: bola extraída sea azul. . P(C)= 20
c
P( A∩Bc )
De modo que la probabilidad solicitada es: P(A/B )= c
P(B )
5 15
De donde P(Bc)=1-P(B) = 1− 20 = 20 =0.75
y
10 15 150
P( A∩B c )=P( A) P(Bc )= ⋅ = =0.375
20 20 400
0.375
P( A/ Bc )= =0.5
0.75