1.

Suceso determinista
Un suceso determinista es un experimento o fenómeno que da lugar a un
resultado cierto o seguro, es decir, cuando partiendo de unas mismas
condiciones iniciales tenemos la certeza de lo que va a suceder. La
relación causa-efecto se conoce en su totalidad.
Son los hechos que llegan a ocurrir con seguridad y precisión aún antes
de realizarlos, se puede saber a priori que es lo que sucederá. Por
ejemplo, todos los fenómenos que siguen las leyes de la física clásica,
como puede ser la caída de un cuerpo.
Ejemplo:

 El que un cuerpo caiga hacia abajo, la órbita de los planetas y en

general todos los fenómenos que siguen las leyes de la física, se
pueden considerar como deterministas
 El suceso de obtener un resultado menor de 7 al tirar un dado de
seis caras es seguro o cierto
 Al elegir una persona al azar esta tiene menos de 150 años

2. Suceso aleatorio
Un experimento aleatorio es aquél en el que si lo repetimos con las
mismas condiciones iniciales no garantiza los mismos resultados. Así, por
ejemplo, al lanzar una moneda no sabemos si saldrá cara o cruz, al lanzar
un dado no sabemos qué número aparecerá, la extracción de las bolas de
sorteos, loterías, etc. son experiencias que consideramos aleatorias
puesto que en ellas no podemos predecir los resultados.
Características:

 No se pueden predecir de forma precisa.

 Cualquier cambio en las condiciones iniciales, afecta al resultado
final.
 Pueden (o no) presentar patrones repetitivos.
 Se repiten eventos parecidos bajo condiciones similares.

3. Espacio muestral
En cualquier experimento aleatorio la primera cosa que nos preguntamos es
sobre lo que puede pasar. ¿Qué resultados puede ofrecer y cuáles no?
Sería muy interesante disponer de todo el abanico de posibles resultados.
En este sentido, al conjunto formado por todos los posibles resultados
elementales de un experimento aleatorio se le denomina espacio muestral

1
 de dicho experimento. Dependiendo de cómo sea este conjunto, los
espacios muestrales pueden ser:

 Espacio muestral discreto finito. Consta de un número finito de

elementos, por ejemplo, lanzar un dado.
 Espacio muestral discreto infinito. Consta de un número infinito
numerable de elementos, por ejemplo, lanzar un dado hasta que
salga un cinco.
 Espacio muestral continuo. Consta de un número infinito no
numerable de elementos, por ejemplo, todas las medidas posibles
de espárragos extraídos aleatoriamente de una población.

Consideremos, por ejemplo:

1. El experimento consistente en el lanzamiento de un dado y anotar el

resultado de la cara superior. El espacio muestral sería:
E={1 , 2 , 3 , 4 , 5 , 6 }

2. El experimento consistente en el lanzamiento de dos monedas al aire. El

espacio muestral o conjunto de todos los resultados elementales posibles
sería:
E = {CCC , CCF , CFC , FCC , CFF , FCF , FFC , FFF}

3. El experimento consistente en elegir aleatoriamente cualquier número de

tres cifras mediante la extracción con reemplazamiento de bolas de una
urna en la que aparecen las diez cifras significativas. En este caso el
espacio muestral sería:
E = {000 , 001 ,................... , 999 }

4. El experimento consistente en el lanzamiento de dos dados de los que

después se escogera la mejor de las puntuaciones. El espacio muestral
sería:
E=[1 , 2 , 3 , 4 , 5 , 6 ]

5. El experimento consistente en abrir aleatoriamente un libro y anotar

después la primera letra de la página de la izquierda. El espacio muestral
en este caso sería:
E = { A , B , ................. , Z}

2
4. Suceso
En el contexto probabilístico, denominamos suceso a cualquier
subconjunto de un espacio muestral; esto es, a cualquier posible resultado
de un experimento aleatorio.

4.1. Suceso Elemental

Un suceso se dice que es un suceso elemental si está formado por un

único elemento del espacio muestral.
Ejemplo
Al tirar un dado el suceso consistente en obtener un cinco.

4.2. Suceso compuesto

Un suceso se dice que es un suceso compuesto si está formado por más

de un elemento del espacio muestral

Ejemplo:
Tirando un dado un suceso sería que saliera par.

4.3. Suceso seguro

El suceso seguro es aquél que está formado por todos los resultados
posibles del espacio muestral (E), es decir aquél que se cumple siempre

Ejemplo:

Tirando un dado obtener una puntuación que sea menor que 7.

4.4. Suceso imposible

El suceso imposible es aquél que no ocurre nunca. Se expresa con el

símbolo Ø

Ejemplo:

Tirando un dado obtener una puntuación igual a 7.

4.5. Sucesos incompatibles

Son aquellos que no tienen ningún elemento en común, y por tanto, no

pueden ocurrir a la vez (su realización simultánea es imposible):

A∩B= -> no pueden ocurrir simultáneamente

3
 Ejemplo:

Al lanzar un dado cúbico, consideramos

A = {salir par} B = {múltiplo de 5} -> =

A y B nunca pueden suceder a la vez: en este experimento, no hay ningún

suceso que sea a la vez par y múltiplo de 5 -> son incompatibles.

4.6. Operaciones con sucesos

Unión: A U B (el suceso formado por los sucesos elementales de A junto
con los de B sin elementos repetidos.

A = {2, 4,6} B = {3,6} -> = {2, 3, 4,6}

A U B Ocurre cuando sucede A o sucede B o suceden ambos

Intersección: A ∩ B -> el suceso formado por los sucesos elementales

que están a la vez en A y en B.

A = {2,4,6} B = {3,6} -> = {6}

A ∩ B ocurre cuando suceden simultáneamente A y B

4
Complemento de un Suceso:

El suceso A constituye un suceso complementario al Suceso B, si incluye

todos los resultados posibles que no fueron incluidos en el Suceso B.
Ejemplo
En el caso del lanzamiento de un dado:
 Suceso A consiste en obtener como resultado un 6.
 Suceso B consiste en obtener como resultado un 1, 2, 3, 4 o 5.

Estos dos sucesos son sucesos complementarios, dado que todos los
resultados posibles que no aparecen en el Suceso A son exactamente las
posibilidades que aparecen en el Suceso B, y viceversa.

Inclusión de Sucesos:

Un suceso aleatorio A está incluido en otro suceso B si ocurre B siempre

que ocurre A, es decir, si todos los elementos de A están en B. Esto se
expresa de la forma A B. También se dice que A implica B.
Ejemplo

En el experimento de lanzar un dado el suceso A="Sacar un cinco" está

incluido en el suceso B="Sacar impar".

Leyes de Morgan:

𝑃(𝐴 𝑈 𝐵) = 𝑃(𝐴 ∩ 𝐵)

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴U𝐵)
En un concurso la probabilidad de ganar un reloj es de 0,4 y de ganar un
móvil 0,2. La probabilidad de ganar los 2 regalos es de 0,05. Calcular la
probabilidad de no ganar ningún regalo

𝑃(𝑅) = 0,4

𝑃(𝑀) = 0,2

𝑃(𝑅 ∩ M) =0,05

𝑃(𝑅 ∩ 𝑀) = 𝑃(𝐴 U𝐵) = 1 − 𝑃(R U M)

𝑃(R U M) = 𝑃(𝑅) + 𝑃(𝑀) − (𝑃 ∩ 𝑀)

𝑃(R U M) = 0,4 + 0,2 − 0,05 = 0,55

5
 1 − 𝑃(R U M) = 1 − 0,55 = 0,45

5. Probabilidades

5.1. Definición de Probabilidad

Un experimento aleatorio se caracteriza porque repetido muchas veces y

en idénticas condiciones el cociente entre el número de veces que
aparece un resultado (suceso) y el número total de veces que se realiza
el experimento tiende a un número fijo. Esta propiedad es conocida
como ley de los grandes números, establecida por Jakob Bernouilli. Tiene
el inconveniente de variar la sucesión de las frecuencias relativas de unas
series de realizaciones a otras, si bien el valor al que se aproximan a
medida que el número de realizaciones aumenta se mantiene estable.

Propiedades:

1. P( ) = 1 - P( A )

2. P( Ø ) = 0

3. Si A B P( B ) = P( A ) + P( )

4. Si A B P( A ) P( B )

5. Si A1 , A2 , ... , Ak , son incompatibles dos a dos, entonces:

P( A1 A2 ... Ak ) = P( A1 ) + P( A2 ) + ... + P( Ak )

6. P( ) = P( A ) + P( B ) - P( )

7. Si el espacio muestral E es finito y un sucesos es A={x1 , x2 ,

... , xK} , entonces:

P( A ) = P( x1 ) + P( x2 ) + ... + P( xK )

5.2. Definición de Laplace

En el caso de que todos los sucesos elementales del espacio muestral

E sean equiprobables, Laplace define la probabilidad del suceso A como
el cociente entre el número de resultados favorables a que ocurra el
suceso A en el experimento y el número de resultados posibles del
experimento.
6
 La Regla de Laplace establece que:

 La probabilidad de ocurrencia de un
suceso imposible es 0.
 La probabilidad de ocurrencia de un suceso seguro es 1, es
decir,
Para aplicar la regla de Laplace es necesario que los experimentos den
lugar a sucesos equiprobables, es decir, que todos tengan o posean la
misma probabilidad.

La probabilidad de que ocurra un suceso se calcula así:

Ejemplo:

Consideremos el experimento “lanzar un dado de quinielas y anotar el

resultado”.

El espacio muestral es E= [1, X, 2]

Las probabilidades de cada uno de los sucesos son:

 P(Ø) = 0

 P({1}) = 1/3 P({X}) = 1/3 P({2}) = 1/3

 P({1,2}) = P({1}) + P({2}) = 1/3 + 1/3 = 2/3

P ({1, X}) = 2/3 P ({2, X}) = 2/3

 P({1,X,2}) = P(E) = 1

5.3. Probabilidad Condicionada

Como la probabilidad está ligada a nuestra ignorancia sobre los resultados

de la experiencia, el hecho de que ocurra un suceso, puede cambiar la
probabilidad de los demás. El proceso de realizar la historia clínica,
explorar y realizar pruebas complementarias ilustra este principio.

7
 La probabilidad de que ocurra el suceso A si ha ocurrido el suceso B se
denomina probabilidad condicionada y se define:

Ejemplo:

Una mujer es portadora de la enfermedad de Duchenne ¿Cuál es la

probabilidad de que su próximo hijo tenga la enfermedad?

Según las leyes de Mendel, todos los posibles genotipos de un hijo de una
madre portadora (xX) y un padre normal (XY) son xX, xY, XX, XY y tienen
la misma probabilidad. El espacio muestral es W = {xX, xY, XX, XY}
el suceso:

A= {hijo enfermo} corresponde al genotipo xY, por tanto, según la clásica

de probabilidad

p(A) = 1/4 = 0,25

La mujer tiene el hijo y es varón ¿qué probabilidad hay de que tenga la

enfermedad?

Se define el suceso B = {ser varón} = {xY, XY}

la probabilidad pedida es p (A|B) y aplicando la definición anterior
p (B) = 0,5

A Ç B = {xY}

p (A ÇB) = 0,25

P (A|B) = 0, 25/0, 5 = 0, 5

Si sabemos que es varón, el espacio muestral ha cambiado, ahora es B.

Por lo tanto se puede calcular p (A|B) aplicando la definición clásica de
probabilidad al nuevo espacio-muestral.
p (A|B) = 1/2 = 0,5

5.3.1. Eventos Independientes

Algunas situaciones de probabilidad implican más de un evento. Cuando
los eventos no se afectan entre sí, se les conoce como eventos
independientes.

8
 La principal característica de una situación con eventos independientes
es que el estado original de la situación no cambia cuando ocurre un
evento.

Se dice que un evento B es independiente de un evento A, si P(B|A) =

P(B), esto quiere decir que la probabilidad de que ocurra B no es afectada
por la ocurrencia del evento A, la expresión anterior se puede sustituir en
el teorema de la multiplicación para probabilidad condicional:
p(A∩B) = p(A)p(B∩A) = p(A)p(B)
Luego:
p(A∩B) = p(A)p(B)

Si la expresión anterior se cumple, podemos decir que los eventos A y B

son independientes.
Ejemplo:

Sacas una canica de una bolsa con 2 canicas rojas, 2 blancas, y una
verde. Observas el color, la pones de nuevo en la bolsa, y sacar otra
canica. ¿Cuál es la probabilidad de sacar una canica roja ambas veces?

En el primer intento, la probabilidad de sacar una canica roja es 2/5 ,

porque hay 5 canicas y 2 de ellas son rojas. Si volvemos a poner la canica
roja dentro de la bolsa, la probabilidad de sacar una canica roja en un
segundo experimento sigue siendo 2/5 , y eso significa que los dos
eventos son independientes. El resultado de un experimento no afecta el
resultado del otro.

Los eventos son independientes porque regresaste la primera canica a la

bolsa y tu segundo intento fue con la bolsa en su estado original.

6. Probabilidad Total
El Teorema de la probabilidad total nos permite calcular la probabilidad de
un suceso a partir de probabilidades condicionadas:
Ejemplo:

Supongamos que si llueve la probabilidad de que ocurra un accidente es

x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos
permite deducir cuál es la probabilidad de que ocurra un accidente si
conocemos la probabilidad de que llueva y la probabilidad de que haga
buen tiempo.
La fórmula para calcular esta probabilidad es:

9
 Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo,
que ocurra un accidente) es igual a la suma de multiplicar cada una de las
probabilidades condicionadas de este suceso con los diferentes sucesos
A (probabilidad de un accidente cuando llueve y cuando hace buen
tiempo) por la probabilidad de cada suceso A.
Para que este teorema se pueda aplicar hace falta cumplir un requisito:

Los sucesos A tienen que formar un sistema completo, es decir, que

contemplen todas las posibilidades (la suma de sus probabilidades debe
ser el 100%).
Ejemplo:

Al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman
un sistema completo, no hay más alternativas: la suma de sus
probabilidades es el 100%

7. Teorema de Bayes
El teorema de Bayes es utilizado para calcular la probabilidad de un
suceso, teniendo información de antemano sobre ese suceso.

Se puede calcular la probabilidad de un suceso A, sabiendo además que

ese A cumple cierta característica que condiciona su probabilidad. El
teorema de Bayes entiende la probabilidad de forma inversa al teorema
de la probabilidad total. El teorema de la probabilidad total hace inferencia
sobre un suceso B, a partir de los resultados de los sucesos A. Por su
parte, Bayes calcula la probabilidad de A condicionado a B.
Formula:

Donde B es el suceso sobre el que tenemos información previa y A(n) son

los distintos sucesos condicionados. En la parte del numerador tenemos
la probabilidad condicionada, y en la parte de abajo la probabilidad total.
En cualquier caso, aunque la fórmula parezca un poco abstracta, es muy
sencilla. Para demostrarlo, utilizaremos un ejemplo en el que en lugar de
A(1), A(2) y A(3), utilizaremos directamente A, B y C.
10
Ejemplo:

Una empresa tiene una fábrica en Estados Unidos que dispone de tres
máquinas A, B y C, que producen envases para botellas de agua. Se sabe
que la máquina A produce un 40% de la cantidad total, la máquina B un
30% , y la máquina C un 30%. También se sabe que cada máquina
produce envases defectuosos. De tal manera que la máquina A produce
un 2% de envases defectuosos sobre el total de su producción, la máquina
B un 3%, y la máquina C un 5%. Dicho esto, se plantean dos cuestiones:

P(A) = 0,40 P(D/A) = 0,02

P(B) = 0,30 P(D/B) = 0,03
P(C) = 0,30 P(D/C) = 0,05

1.Si un envase ha sido fabricado por la fábrica de esta empresa en

Estados Unidos ¿Cuál es la probabilidad de que sea defectuoso?
Se calcula la probabilidad total. Ya que, a partir los diferentes sucesos,
calculamos la probabilidad de que sea defectuoso.

P(D) =[ P(A) x P(D/A) ] + [ P(B) x P(D/B) ] + [ P(C) x P(D/C) ] = [ 0,4 x 0,02

] + [ 0,3 x 0,03 ] + [ 0,3 x 0,05 ] = 0,032

Expresado en porcentaje, diríamos que la probabilidad de que un envase

fabricado por la fábrica de esta empresa en Estados Unidos sea
defectuoso es del 3,2%.

2. Siguiendo con la pregunta anterior, si se adquiere un envase y este es

defectuoso ¿Cuáles es la probabilidad de que haya sido fabricado por la
máquina A?¿Y por la máquina B?¿Y por la máquina C?
Aquí se utiliza el teorema de Bayes. Tenemos información previa, es decir,
sabemos que el envase es defectuoso. Claro que, sabiendo que es
defectuoso, queremos saber cual es la probabilidad de que se haya
producido por una de las máquinas.
P(A/D) = [P(A) x P(D/A)] / P(D) = [0,40 x 0,02] / 0,032 = 0,25
P(B/D) = [P(B) x P(D/B)] / P(D) = [0,30 x 0,03] / 0,032 = 0,28
P(C/D) = [P(C) x P(D/C)] / P(D) = [0,30 x 0,05] / 0,032 = 0,47

Sabiendo que un envase es defectuoso, la probabilidad de que haya sido

producido por la máquina A es del 25%, de que haya sido producido por
la máquina B es del 28% y de que haya sido producido por la máquina C
es del 47%.

11