Conceptos de Probabilidad

Joel A. Patiño De Los Santos, MGAP, MDAEI

© 1999 Prentice-Hall, Inc. Chap. 5- 1

 Objetivos de Aprendizaje
• Familiarizar al estudiante con los fenómenos
determinísticos y aleatorios que para medir la
incertidumbre.
• Calcular e interpretar las probabilidades.
• Explicar los términos experimento, evento. Identificar y
aplicar el enfoque adecuado para asignar
probabilidades.
• Calcular probabilidades mediante las reglas de la adición
y multiplicación.
• Calcular probabilidades por medio de una tabla de
contingencias.

© 1999 Prentice-Hall, Inc. Chap. 5- 2

 Definiciones
• Probabilidad: es un valor numérico que representa
la oportunidad o posibilidad de que un evento en
particular ocurra.
• El valor numérico de la probabilidad es una proporción
o fracción cuyo valor varía entre Cero (0) y Uno (1)
inclusive.
• Cuando calculamos el valor numérico obtenemos un
decimal y luego la expresamos en porciento (%).

Por ejemplo, si obtenemos que el cálculo es 0.15

podemos hablar de un 15% de probabilidad relacionada a
un evento en particular.
© 1999 Prentice-Hall, Inc. Chap. 5- 3
 ¿ Qué es Probabilidad?

1. Valor numérico de la 1 Seguro

posibilidad de que un evento
va a ocurrir:
 Evento Simple
 Evento Conjunto .5
 Evento Compuesto
2. Está entre 0 & 1.
3. La suma de la probabilidad
0 Imposible
de los eventos es 1.

© 1999 Prentice-Hall, Inc. Chap. 5- 4

 Definición
Matemática de Probabilidad

X número de eventos favorables

P(x) =
T número total de resultados
posibles
Evento: es una colección de uno o más resultados considerados
como un grupo.
Ejemplo: Que una persona sea varón o hembra
Que el partido X o Y gane la serie mundial
Que un artículo esté o no defectuoso
El precio de una acción de la bolsa de valores ↑ , ↓ , =
© 1999 Prentice-Hall, Inc. Chap. 5- 5
 Definiciones
(cont…)
• Un evento que no tiene oportunidad de
ocurrir (un evento imposible) tiene una
probabilidad Cero (0) de ocurrencia.

• Un evento que ocurrirá con toda seguridad

(un evento seguro) tiene una probabilidad
uno (1) de ocurrencia.

© 1999 Prentice-Hall, Inc. Chap. 5- 6

 Definiciones
(cont…)
Existen tres aproximaciones sujetas a la
probabilidad:

• Probabilidad clásica o (a priori)

• Probabilidad clásica o (empírica)

• Probabildad subjetiva
© 1999 Prentice-Hall, Inc. Chap. 5- 7
 Definiciones
(cont…)
En una probabilidad clásica o (a priori), la
probabildad de éxito se basa en el conocimiento previo
del proceso implicado. Parte del supuesto de que los
resultados de un experimento son igualmente
posibles.

Ej., Un dado tiene seis caras con un número (1,2,3,4,5 y 6) en

cada una. Por lo tanto:
T = 6 y la probabilidad de que salga el cinco al lanzar el dado
X = 5 es P(5) = 1/6 = .1666 = 16.66%

© 1999 Prentice-Hall, Inc. Chap. 5- 8

 Definiciones
(cont…)
Probabilidad Clásica o (Empírica): los
resultados se basan en datos observados, no
en un conocimiento previo del proceso.

Por ejemplo, si en una encuesta de 1000

individuos sobre género predominante en un
recinto, 750 son hembras y 250 son varones,
entonces la probabilidad empírica de un varón
es 250/1000= .25 o un 25%.
© 1999 Prentice-Hall, Inc. Chap. 5- 9
 Definiciones
(cont…)
Probabilidad subjetiva: varía de persona a
persona. Es asignada. La asignación de
perobabilidades subjetivas a diferentes resultados
generalmente se basa en una combinación de
experiencias pasadas del individuo, la opinión
personal y el análisis de una situación particular.

Por ejemplo, un gerente de Recursos Humanos

puede decir que hay un 75% de probabilidad de
huelga y otro decir que hay un 30% basado en lo que
han observado durante las negociaciones laborales.
© 1999 Prentice-Hall, Inc. Chap. 5- 10
 Eventos y Espacio Muestral

1.Experimento Alatorio: Proceso que induce a que

ocurra dos o más posibles resultados y no se sabe cuál
ocurrirá.

2. Espacio Muestral: Colección Completa de todos

Eventos o resultados Posibles de un experimento
aleatorio.

3. Evento: Conjunto de uno o más resultados de un

experimento.

© 1999 Prentice-Hall, Inc. Chap. 5- 11

 Evento Simple
Ocurre un solo evento con una característica

A: Mujer
B: Menor de 20 años,
C: Tiene 3 Tarjetas de crédito
D: Tiene más de 5 años en la empresa
E: Estuvo en la reunión

© 1999 Prentice-Hall, Inc. Chap. 5- 12

 Evento Conjunto
Ocurren dos eventos o más al mismo tiempo

A y B, : Mujer y menor de 20 años

D y E, : Tiene más de 5 años en la empresa y

Estuvo en la Reunión

© 1999 Prentice-Hall, Inc. Chap. 5- 13

 Evento Compuesto
Pueden ocurrir dos eventos o más, pero NO al mismo tiempo

A o B, : Mujer o menor de 20 años

D o E: Tiene más de 5 años en la empresa o

Estuvo en la Reunión

© 1999 Prentice-Hall, Inc. Chap. 5- 14

 Propiedades de Eventos
1. Mutuamente Excluyentes Experimento:
2 o más Eventos que No Pueden Ocurrir al Mismo Observar Género
Tiempo.
Ejemplo: Un empleado seleccionado al azar es hombre o
mujer, pero no puede tener ambos géneros.
2. No Mutuamente Excluyentes:
2 Eventos que Pueden Ocurrir al Mismo Tiempo
Ejemplo: una persona seleccionada, que sea mujer y
tenga menos de 20 años.
3. Colectivamente Exhaustivos:
Al menos un evento en el Espacio Muestral Tiene que
Ocurrir
Ejemplo: Seleccionar un empleado para que asista a un
© 1984-1994 T/Maker Co.
entrenamiento, debe ser hembra o varón.
© 1999 Prentice-Hall, Inc. Chap. 5- 15
 Visualizando
el Espacio Muestral

1.Listado
 S = {Cara, Cruz}
 S = {1,2,3,4,5,6,}
 S = {Hombre, Mujer}

2 Diagrama Venn
3.Tabla de Contingencia
4.Diagrama de Árbol

© 1999 Prentice-Hall, Inc. Chap. 5- 16

 DiagramaVenn

Evento: Mujer

Hombre
Mujer
Resultado

U
U = {H, M}

© 1999 Prentice-Hall, Inc. Chap. 5- 17

 Tabla de Contingencia

Evento Conjunto: Mujer, Menos de 20 años

<20 ≥20 Total # Ob’s

Evento Mujer 47 16 63 Total
Simple
Hombre 45 22 67
Total 92 38 130

U = {M,<20; M,>20; H,<20; H,>20} Espacio Muestral

© 1999 Prentice-Hall, Inc. Chap. 5- 18
 Diagrama de Árbol

Eventos Posibles
<20
Mujer
≥20
<20
Hombre
≥20
U = {M,<20; M,>20; H,<20; H,>20}
© 1999 Prentice-Hall, Inc. Chap. 5- 19
 Cálculos de Tipos de Probabilidades

1. Probabilidad Marginal o Sencilla

2. Probabilidad de Eventos Excluyentes
3. Probabilidad de Eventos No Excluyentes
4. Probabilidad Conjunta
5. Probabilidad Condicional
6. Probabilidad Eventos Independientes

© 1999 Prentice-Hall, Inc. Chap. 5- 20

 Eventos Mutuamente Excluyentes
e
Igual de Probables
La frase clave en la definición clásica de la
probabilidad son: mutuamente excluyentes e
igual de probables.

• Dos eventos son mutuamente excluyentes

si no pueden ocurrir de manera simultánea.
• Dos eventos son igual de probables cuando
no hay razón para esperar que un evento
ocurra en lugar de otro.
© 1999 Prentice-Hall, Inc. Chap. 5- 21
 Eventos Mutuamente Excluyentes
e
Igual de Probables
• En el ejemplo de la tabla de contingencia
de generos y edades, el evento (H)
hombre, y evento (M) mujer, no ocurren a
la vez, por lo tanto son excluyentes.

• Cualquiera de los dos puede ocurrir por lo

cual son igual de probables.

© 1999 Prentice-Hall, Inc. Chap. 5- 22

 Independencia Estadística

Los Eventos son Estadísticamente Independientes

si la probabilidad que un evento ocurra no afecta la
probabilidad de ocurrencia del otro, sin importar que el
primero haya ocurrido o no.

Por ejemplo, si en la tabla de contingencia

seleccionamos un (H≥20) y si luego seleccionamos un
(H<20), el evento Género (H) no es afectado por el
evento Edad (<20 o ≥20) ni el orden en que ocurren.

© 1999 Prentice-Hall, Inc. Chap. 5- 23

 Notación

P (x): Se lee: la probabilidad del Evento X

“Unión”:  : Se lee “O” : ej., : A  B :AoB

“Intersección”:  : Se lee “Y” : ej., : A B : A y B

n(A) : Se lee “ el número de veces que A ocurre”
P( A ∩B) = la proba bilida d de A y B juntos
P( A ∪B) = la proba biliba d de A o B
P( A | B) = la probabilidad de A dado el evento B
© 1999 Prentice-Hall, Inc. Chap. 5- 24
 1. Probabilidad de Evento Simple
o Probabilidad Marginal
¡De 100 Partes
P(Evento) = X Inspeccionadas,
T Sólo 2 Defectos!
A la Probabilidad de un Evento Simple
se le conoce como Probabilidad Marginal

© 1999 Prentice-Hall, Inc. Chap. 5- 25

 Probabilidades Marginales

De la Tabla de Contingencia podemos obtener

las siguientes Probabilidades Marginales:
n( H  20) 22
P ( H  20) = = = .1692 = 16.92%
n(U ) 130
n( M  20) 47
P ( M  20) = = = .3615 = 36.15%
n(U ) 130
63 n( M )
P( M ) = = = .3937 = 39.38%
130 n(U )
38 n(  20)
P (  20) = = = .2923 = 29.23%
130 n(U )
© 1999 Prentice-Hall, Inc. Chap. 5- 26
 2. Probabilidad de
Eventos Excluyentes

• Cuando los eventos son mutuamente excluyentes

son disjuntos, es decir no se superponen o no
pueden ocurrir a la vez.
• Cuando dos eventos cualesquiera mutuamente
excluyentes A y B, la probabilidad de la ocurrencia
ya sea de A o de B, es igual a la suma de sus
probabilidades marginales.

P( A  B) = P( A) + P( B)
© 1999 Prentice-Hall, Inc. Chap. 5- 27
 2. Probabilidad de
Eventos Excluyentes
En la Tabla de Contingencia vemos que la
características (H) y (M) son excluyentes. Así que si
seleccionamos una persona del universo la
probabilidad de que esta sea Hombre o Mujer sería

P( H  M ) = P( H ) + P( M )
n( H ) n( M 67 63 130
= + = + = =1
n(U ) n(U ) 130 130 130
o 100%
© 1999 Prentice-Hall, Inc. Chap. 5- 28
 3. Eventos No Excluyentes

Dos eventos no son mutuamente excluyentes si uno

o el otro pueden ocurrir de forma independiente y
tambien simultanea.

Por ejemplo, en la tabla de contingencia vimos que

una persona seleccionada al Azar del universo puede
ser ≥20 años o Mujer o ambos.
Bajo esta condición si al seleccionar un objeto del
universo si nos interesa ver si es A o B, pero si A y B
pueden ocurrir a la vez tenemos entonces la
siguiente regla:
© 1999 Prentice-Hall, Inc. Chap. 5- 29
 3. Eventos No Excluyentes
La Regla de Adición

P( A  B) = P( A) + P( B) − P( A  B)
La probabilidad de que A o B ocurran es igual a la suma de sus
probabilidades marginales menos la probabilidad de que ocurran
a la vez.

© 1999 Prentice-Hall, Inc. Chap. 5- 30

 3. Eventos No Excluyentes
La Regla de Adición

Por ejemplo, de la tabla de contingencia, la

probabilidad de que la persona sea Mujer o ≥20,
sería:

P( M   20) = P( M ) + P( 20) − P( M   20) =

n( M ) n(20) n( M   20) 63 38 16
= + − = + −
n(u ) n(u ) n(u ) 130 130 130
85
= = .6538 = 65.38%
130

© 1999 Prentice-Hall, Inc. Chap. 5- 31

 4. Probabilidad Conjunta
Eventos No Excluyentes

La Probabilidad conjunta proporciona la probabilidad

de ocurrencia conjunta o simultánea de dos eventos o
características en un ente u objeto. En otras palabras
seleccionamos un solo objeto a la vez del Conjunto
Universal y observamos la ocurrencia de dos
características a la vez.

n( A  B )
P( A  B) =
n(U )
© 1999 Prentice-Hall, Inc. Chap. 5- 32
 4. Probabilidad Conjunta

Por ejemplo, en la tabla de contingencia sería que

seleccionemos una persona que sea Hombre y ≥20 a
la vez.

P( H   20) n( H   20) 22
P( H   20) = = =
(U ) n(U ) 130
= .1692 = 16.92%

© 1999 Prentice-Hall, Inc. Chap. 5- 33

 5. Probabilidad Condicional

Cuando se calculan probabilidades usando un

subconjunto del conjunto universal como el
denominador, el resultado es una:

Probabilidad Condicional.
( A  B)
P( A | B) = ;B0
( B)
Se lee; la probabilidad del evento A dado B

© 1999 Prentice-Hall, Inc. Chap. 5- 34

 5. Probabilidad Condicional

De la tabla de contingencia podemos ver los siguientes

ejemplos;
P( M   20) n( M   20) 47
( M | 20
PP(M |  20) =
<20) = = = .5108 = 51.08%
P( 20) n( 20) 92
La
Laprobabilidad
probabilidadde que sea Mujer
de que sea menor de 20 dado
una Mujer dado que
quees tenga
del subconjunto
menos de de
de menores 2020años

P(H | ≥20) P( H   20) n( H   20) 22

P( H  20 |  20) = = = = .5789 = 57.89%
P( 20) n( 20) 38
La probabilidad
La probabilidad de de
queque
sea Hombre
sea unmayor de 20dado
hombre dado que
de que sea del20
tenga
años o más.
subconjunto de mayores de 20
© 1999 Prentice-Hall, Inc. Chap. 5- 35
 6. Probabilidad de
Eventos Independientes

Cuando dos eventos son independientes, el hecho

de que un evento haya ocurrido no afecta el que el
otro ocurra.

Por ejemplo de la tabla de contingencia tenemos

que si se selecciona dos personas del universo, si
uno es (H) no afecta que la otra sea también (H) o
(M). De la misma forma si uno de ellos es H>20 el
otro podría ser también H>20.

© 1999 Prentice-Hall, Inc. Chap. 5- 36

 6. Probabilidad de
Eventos Independientes

La regla para dos eventos independientes es

P( A  B) = P( A) P( B)
Esto es la probabilidad de que los eventos A y B
ocurran a la vez es igual al producto de sus
probabilidades individuales o marginales.

© 1999 Prentice-Hall, Inc. Chap. 5- 37

 6. Probabilidad de
Eventos Independientes
Ejemplos:
1. Si seleccionamos dos personas a la vez, ¿Cuál es la
probabilidad de que ambos sean Hombres?
 67  67 
P( H  H ) = P( H ) P( H ) =    = (.51)(.51)
 130  130 
= .2601 = 26.01%

2. Si seleccionamos dos personas a la vez, ¿Cuál es la

probabilidad de que uno sea >20 y el otro sea Mujer?
 38   63 
P( 20  M ) = P( 20) P( M ) =   =
 130   130 
= (.29)(.48) = .1392 = 13.92%
© 1999 Prentice-Hall, Inc. Chap. 5- 38
 EJERCICIOS EN CLASE

La American Coffee Producers Association proporciona la

siguiente información sobre la edad y la cantidad de café que
se consumió en un mes.

P(B) P(M) P(50+) P(-30) P(A ∩-30)

P(30-40 ∩ M) P(B U A) P(M U 40-50) P(B | 50+) P(30-40|A)

© 1999 Prentice-Hall, Inc. Chap. 5- 39

 El Complemento de un Evento

Para todo Evento existe su Complemento. En

términos de probabilidades, el complento de un
evento es la probabilidad de que este no ocurra.
En notación el Complemento de A se denota Ā.
La probabilidad de Ā, es P(Ā)= 1-P(A)

Por ejemplo, de la tabla de contingencia si

 __ 
P(H)=.5153, entonces P  H  = 1 − P ( H ) =1-.5153=.4847 o 48.47%
 
 __ 
Esto quiere decir que la probabilidad de que no sea Hombre  H 
 
es uno menos la probabilidad de que lo sea.
© 1999 Prentice-Hall, Inc. Chap. 5- 40