CONCEPTOS BÁSICOS DE PROBABILIDADES

Competencias:
• Explica los conceptos básicos de probabilidades, para dar significación a los aspectos
prácticos de la estadística inferencial.
• Resuelve las diferentes operaciones básicas de probabilidades, desarrollando el proceso
metodológico que comprende, en cada caso.

Situación problemática
Con frecuencia nos encontramos en la necesidad de dar respuesta a las siguientes preguntas:
• ¿Cuál es la probabilidad de alcanzar el nivel de ventas programado en la empresa?
• ¿Cuál es la probabilidad de tener éxito al postular a una beca de estudios?
• ¿Cuál es la probabilidad de llegar a destino, según la hora programada?

1
Cuando hablamos de probabilidad podemos asociar a lo que habitualmente comentamos sobre algo que
probablemente ocurra, por ejemplo, decimos:
• Probablemente llueva mañana.
• Es muy probable que sea el ganador en un sorteo.
• Probablemente llegue con retraso al trabajo si salgo tarde de casa.
En realidad, en forma diaria estamos frente a situaciones de incertidumbre y, las predicciones expresadas en
términos de probabilidad están basadas en antecedentes o causas de las cuales tenemos un mayor o menor
conocimiento, el mismo que nos permite también hacer predicciones con mayor o menor aproximación. En
resumen, la probabilidad forma parte de nuestra vida diaria, en la medida en que podamos explicar y utilizar
los procedimientos estadísticos de probabilidades, nuestras decisiones tendrán mayor seguridad de éxito.
En nuestras decisiones de carácter personal como institucional, enfrentamos el riesgo, y nos valemos de la
teoría de la probabilidad para tomar decisiones, un caso que nos permitirá comprender esta idea lo
encontramos en el siguiente ejemplo:
Cuál es la posibilidad (o probabilidad) de que una persona gane el premio en un sorteo si el mismo se realiza
entre:
Situación Respuesta
• 2 personas. • La posibilidad es el del 50%.
• 4 personas • La posibilidad es el del 25%.
• 5 personas • La posibilidad es el del 20%.
• 10 personas • La posibilidad es el del 10%.
. .
. .
Las respuestas en el ejemplo anterior son correctas, aunque dadas en forma intuitiva por la simplicidad del
problema, más adelante analizaremos problemas similares y de mayor complejidad, utilizando los
procedimientos que nos ofrece la teoría de probabilidades.
Experimento aleatorio
Un experimento aleatorio es toda operación o acción, donde los resultados no son posibles de ser indicados
con certeza, a su vez, debe reunir las siguientes condiciones:
• Cada prueba puede repetirse indefinidamente sin cambiar esencialmente las condiciones.
• Si bien no podemos indicar cuál será el resultado particular de una prueba, podemos describir el
conjunto de todos los resultados posibles del experimento.
• Los resultados particulares de un experimento parecen ocurrir de manera caprichosa, sin embargo,
cuando el experimento comprende un gran número de pruebas, aparece una cierta regularidad en
los resultados, “Esta regularidad es la que hace posible la construcción de un modelo matemático
preciso con el cual analizaremos el experimento”, (P. Meyer).
Todas las pruebas efectuadas bajo las mismas condiciones constituyen un experimento. El resultado de una
prueba se llama punto muestral o suceso elemental.
Ejemplos:
a. Lanzar una moneda dos veces.
b. Lanzar un dado y observar el número que aparece en la cara superior.
c. Revisar la ortografía en una página y contar el número de errores ortográficos.
d. Tomar una prueba de evaluación a 10 estudiantes y determinar el número de aprobados.
e. Registrar la temperatura en un periodo de 10 horas.

2
Espacio muestral
Se define el espacio muestral como el conjunto formado por todos los resultados posibles de un experimento
aleatorio, se representa habitualmente con S.

S={ }

Ejemplos:
Tomando en cuenta los experimentos aleatorios del subtítulo anterior, tendremos los siguientes espacios
muestrales:
a. S = { CC, CS, SC, SS } Donde: C = cara y S = sello
b. S = { 1, 2, 3, 4, 5, 6 } Donde: 1 indica que en la cara superior del dado, se tiene 1 punto,
2 indica que en la cara superior se tienen 2 puntos, así sucesivamente.
c. S = {0, 1, 2, 3, ….} Donde: 0 = ningún error ortográfico, 1 = un error ortográfico ….
d. S = { 0, 1, 2, 3, ….. 10 } Donde: 0 significa que ningún estudiante aprobó la prueba, 1 que
un estudiante aprobó la prueba, …. Los 10 estudiantes aprobaron la prueba.
e. S = {m ≤ t ≤ M} Donde: m = temperatura mínima y M = temperatura máxima.
Suceso
Un suceso es un subconjunto del espacio muestral S. En base a la teoría de conjuntos 𝑺 y ∅, incluyendo los
resultados individuales son considerados como sucesos.
Ejemplos:
Podemos formular los siguientes sucesos, en base a los espacios muestrales determinados en el subtítulo
anterior: (Un suceso se define con letras del alfabeto, en mayúsculas)

Definición del suceso Elementos del suceso

A1: Se ha obtenido una cara. A1 = { CS, SC }

A2: Al menos una cara. A2 = { CC, CS, SC }

B1: Número par. B1 = { 2, 4, 6 }

B2: Número menor a 3. B2 = { 1, 2, }
B3: Número mayor o igual a 4. B3 = { 4, 5, 6 }

C1: Se encontraron 5 errores. C1 = { 5 }

C2: Se encontraron menos de 4 errores. C2 = { 0, 1, 2, 3 }

D1: Aprobaron más de 7 estudiantes. D1 = { 8, 9, 10 }

D2: Aprobaron 4 estudiantes. D2 = { 4 }

E: La temperatura registrada es menor a 10 E = { 0 ≤ t ≤ 10 }

grados.

3
Sucesos mutuamente excluyentes
Se dice que dos sucesos son mutuamente excluyentes si uno y solo uno de ellos puede ocurrir a la vez.
Ejemplos:
a. En el experimento de lanzar una moneda los resultados posibles son: que salga cara o sello, pero en
ningún caso ambos.
b. Si lanzamos un dado y definimos los sucesos A = número par y B = número impar, los resultados
posibles serán A ó B, en ningún caso ambos.
c. Si un estudiante desarrolla una prueba para decidir su aprobación o reprobación en la materia, el
resultado, una vez revisada la prueba será una de las dos alternativas, nunca ambos.
Representando en forma gráfica, los ejemplos indicados, utilizando el diagrama de Ven, tendremos:

Aproba Reprob
C S 2, 4, 6 1, 3, 5 do ado

A b c
En cambio, cuando dos o más sucesos pueden presentarse al mismo tiempo, los sucesos no son mutuamente
excluyentes, ejemplo:
Sobre el espacio muestral obtenido por el lanzamiento de un dado, se definen los siguientes sucesos:
C: Número par C = { 2, 4, 6 }
D: Número mayor a 2 D = { 3, 4, 5, 6 }

Tipos de probabilidad
En forma general se distinguen tres tipos de probabilidades, los cuales corresponden a enfoques
conceptualmente diferentes dentro de la teoría de probabilidades.
• Enfoque clásico.
• Enfoque de frecuencia relativa y,
• Enfoque subjetivo
Probabilidad clásica
Dentro del enfoque clásico, la probabilidad de ocurrencia de cada punto del espacio muestral es el mismo.

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑑𝑜𝑛𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒 𝑒𝑙 𝑠𝑢𝑐𝑒𝑠𝑜

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑢𝑛 𝑠𝑢𝑐𝑒𝑠𝑜 =
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Utilizando símbolos: A = suceso de interés, n(A) = número de resultados donde ocurre el suceso y n(S) =
número total de resultados posibles de un experimento aleatorio, tendremos:

4
 𝒏(𝑨)
𝑷(𝑨) =
𝒏(𝑺)
Donde: P(A) se lee: probabilidad del suceso A.
Ejemplos:
a. Sea el experimento aleatorio, lanzar una moneda por una vez.
El espacio muestral será: (C = cara, S = sello)
S = { C, S }
Si definimos el suceso A = cara, la probabilidad del suceso A será:
Solución:

Procedimiento Ejemplo

1. Se identifican los elementos indicados en la 1. P(A) =

ecuación.
• P(A) = Probabilidad del suceso A.
• Hay 1 suceso elemental de A. n(A) = 1
• Existen 2 resultados posibles n(S) = 2
2. Se reemplazan los datos en la ecuación
𝑛(𝐴) 1
correspondiente. 𝑃(𝐴) = = = 0.5
𝑛(𝑆) 2

b. Sea el experimento: lanzar un dado por una vez.

S = { 1, 2, 3, 4, 5, 6 }
Si luego definimos el suceso B = número par. Calcular la probabilidad de B.
Solución:

Procedimiento Ejemplo
1. P(B) =
1. Se identifican los elementos indicados en la
fórmula.
• P(B) = Probabilidad del suceso B. n(B) = 3
• Hay 3 suceso elementales en B.
• Existen 6 resultados posibles n(S) = 6
2. Se reemplazan los datos en la ecuación 2. 𝑛(𝐴) 3
𝑃(𝐴) = 𝑛(𝑆)
= 6 = 0.5
correspondiente, obteniéndose así el
resultado esperado.
La probabilidad como frecuencia relativa.
Este enfoque define la probabilidad en dos formas:
1) La frecuencia relativa observada de un suceso en numerosos ensayos.
2) La proporción de las veces que un suceso ocurre a la larga, siendo las condiciones estables.

5
Este enfoque utiliza como probabilidades las frecuencias relativas ocurridas en experiencias anteriores, para
ello determinamos la frecuencia con el que ha ocurrido un determinado suceso y, en base a ese resultado
determinamos la probabilidad de que vuelva a ocurrir dicho suceso en el futuro.
Ejemplo:
En la siguiente tabla se presentan 80 estudiantes, organizados según su nivel de aprendizaje.
Nivel de aprendizaje Número de estudiantes
Excelentes (E) 10
Muy buenos (MB) 30
Buenos (B) 40
Total 80
Experimento aleatorio: del total de estudiantes, se elige al aza un estudiante, ¿Cuál será la probabilidad que
dicho estudiante tenga un nivel de aprendizaje muy bueno?
Solución:

Procedimiento Ejemplo
1. P(MB) =
1. Se identifican los elementos indicados en la fórmula.
• P(MB) = Probabilidad de que sea muy bueno.
• Hay 30 estudiantes con un nivel de aprendizaje n(MB) = 30
muy bueno.
• En total son 80 estudiantes n(S) = 80
2. Se reemplazan los datos en la ecuación 2.
correspondiente, obteniéndose así el resultado 𝑛(𝑀𝐵) 30
𝑃(𝐴) = 𝑛(𝑆) = = 0.375
esperado. 80

Respuesta: la probabilidad de que el estudiante tenga un nivel de aprendizaje muy bueno es de 0.375
(en porcentaje, del 37.5%)

Probabilidad subjetiva
En ciertas ocasiones nos encontramos frente a situaciones en que no tenemos ningún conocimiento previo
sobre el suceso que nos interesa estimar, en tales circunstancias, basamos nuestras estimaciones en la
evaluación que podamos hacer sobre el problema en cuestión.
“… las soluciones subjetivas de la probabilidad permiten la máxima flexibilidad en los tres conceptos que
hemos explicado. El encargado de tomar una decisión puede servirse de cualquier evidencia disponible y
templarla con sus sensaciones personales ante la situación” R. Levin.
Las probabilidades subjetivas se dan con frecuencia cuando los sucesos ocurren una sola vez o, a lo sumo unas
cuantas veces, hecho que no permite determinar regularidades o tendencias. Un ejemplo que nos presenta
R. I. levin es elocuente y dice: un juez está decidiendo si permite la construcción de una planta de energía
nuclear en un lugar donde existe una falla geológica” se hará a sí mismo la siguiente pregunta: ¿cuál es la
probabilidad de un grave accidente en ese sitio? El hecho de que no haya frecuencia relativa de evidencia de
accidentes anteriores allí no lo excusa de tomar una decisión. Debe actuar con gran sabiduría y tratar de
determinar las probabilidades subjetivas de un accidente nuclear”

6
“las decisiones sociales y administrativas del nivel superior se ocupan de situaciones específicas y singulares
y no de una larga serie de situaciones idénticas, por lo cual, en este nivel los ejecutivos se apoyan
constantemente en las probabilidades subjetivas” R. Levin.
Reglas de probabilidad
Entre las principales se tienen las siguientes:
Regla de adición para sucesos mutuamente excluyentes
Se dice que dos sucesos son excluyentes cuando éstos no tienen elementos comunes.
Con frecuencia se necesita conocer la probabilidad de que ocurra una cosa u otra. Si los sucesos son
mutuamente excluyentes, utilizamos la regla de la adición empleada para este caso, la cual se expresa
simbólicamente de la siguiente manera:

𝑃(𝐴 ∪ 𝐵) = 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑎 𝐴 ó 𝐵

Su desarrollo será:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Debemos comprender que la adición puede expresarse como: 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴 + 𝐵) = 𝑃(𝐴 ó 𝐵)
Ejemplo:
Experimento aleatorio: Se lanza un dado por una vez.
Luego definimos los siguientes sucesos: A: Número impar menor a 4.B: Número par
Calcular la probabilidad de A + B
Solución:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Procedimiento Ejemplo
1. Determinamos los elementos del espacio 1.
muestral y de los sucesos. S = {1, 2, 3, 4, 5, 6}
A = {1, 3 }
2. Se determina la probabilidad de cada B = { 2, 4, 6}
suceso. 2.
𝑛(𝐴) 2
𝑃(𝐴) = =
𝑛(𝑆) 6
3. Se reemplazan las probabilidades de cada
𝑛(𝐵) 3
suceso en la fórmula correspondiente: 𝑃(𝐵) = =
𝑛(𝑆) 6
3.
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) 𝑃(𝐴𝑈𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
2 3
= + = 0.8333
6 6

Respuesta: la probabilidad de obtener un número impar menor a 4 o un número par es 0.8333

(en porcentaje 83.33%)

7
Regla de adición para sucesos que no son mutuamente excluyentes
Decimos que dos sucesos no son mutuamente excluyentes cuando pueden presentarse ambos
conjuntamente, utilizando la teoría de conjuntos diremos que tienen elementos comunes y en el diagrama se
observará un espacio común o intersección. Para su cálculo debemos desarrollar la siguiente ecuación:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵)

Si analizamos la ecuación vemos que difiere en el último término la P(AB) comparado con la ecuación
empleada en el caso de la adición de sucesos mutuamente excluyentes, esta probabilidad se resta para evitar
el doble cómputo.
Ejemplo:
Sea el experimento: lanzar un dado por una vez y luego se definen los siguientes sucesos:
A: número par
B: número mayor a 4
¿Cuál será la probabilidad de obtener un número par o un número mayor a 4?
Solución:

Procedimiento Ejemplo

1. Determinamos los elementos del espacio 1.

muestral y de los sucesos.
S = {1, 2, 3, 4, 5, 6}
2. Se determina la probabilidad de cada A = {2, 4, 6 }
suceso. B = { 5, 6}
2.
𝑛(𝐴) 3
𝑃(𝐴) = =
3. Se reemplazan las probabilidades de cada 𝑛(𝑆) 6
suceso en la fórmula correspondiente:
𝑛(𝐵) 2
𝑃(𝐵) = =
𝑛(𝑆) 6
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵)
𝑛(𝐴 ∩ 𝐵) 1
𝑃(𝐴𝐵) = =
𝑛(𝑆) 6
3.
𝑃(𝐴𝑈𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵)

3 2 1 4
= + − = = 0.6667
6 6 6 6

Respuesta: la probabilidad de obtener un número par o un número mayor a 4 es 0.6667 (en

porcentaje 66.67%)

8
Teorema de la multiplicación o probabilidades conjuntas en condiciones de independencia estadística
Otro caso fundamental es el hecho de calcular probabilidades de sucesos conjuntos, es decir la probabilidad
de que ocurran los sucesos A y B, en forma conjunta.
Se dice que dos sucesos son independientes, cuando la ocurrencia de un suceso no influye en el siguiente.
En términos de probabilidad tendremos la P(AB) que se le probabilidad de que ocurran los sucesos A y B, y su
ecuación es:

𝑃(𝐴𝐵) = 𝑃(𝐴)𝑃(𝐵)

Ejemplo:
Sea el experimento: lanzar una moneda 2 veces (ó 2 monedas a la vez). ¿Cuál será la probabilidad de obtener
cara en el primer lanzamiento y cara en el segundo lanzamiento?
Los sucesos son independientes, puesto que el primer resultado no influye en la siguiente.
Solución:

Procedimiento Ejemplo
1.
1. Determinamos los elementos del
espacio muestral. S = {CC, CS, SC, SS}

2. Identificar el (o los sucesos) que satisfacen

2. A = { CC }
las condiciones planteadas en la pregunta.
A: Cara en el primer lanzamiento y 1
cara en el segundo lanzamiento (ó 2 𝑃(𝐶) =
2
caras)
3. Reemplazar los valores en la ecuación y
efectuar los cálculos correspondientes. En
nuestro caso la probabilidad de A es igual 3.
a P(CC) = P(C)P(C), que representa la
probabilidad de cara en el primer 𝑃(𝐶𝐶) = 𝑃(𝐶)(𝐶)
lanzamiento y cara en el segundo
lanzamiento.:

1 1 1
= ∗ = = 0.25
2 2 4

Respuesta: la probabilidad de obtener cara en el primer lanzamiento y cara en el segundo

lanzamiento es 0.25 (en porcentaje 25%)

9
En base al experimento anterior, ¿Cuál es la probabilidad de obtener una cara y un sello?
Solución:

Procedimiento Ejemplo
1.
1. Determinamos los elementos del
espacio muestral. S = {CC, CS, SC, SS}

2. Identificar los sucesos que

2. B = {CS, SC }
satisfacen las condiciones
planteadas en la pregunta.
B: Cara en el primer lanzamiento
y sello en el segundo lanzamiento
y sello en el primer lanzamiento y 3.
cara en el segundo lanzamiento. 𝑃(𝐵) = 𝑃(𝐶𝑆) + 𝑃(𝑆𝐶)
3. Reemplazar los valores en la
ecuación y efectuar los cálculos
correspondientes. En nuestro caso 1 1 1 1
la probabilidad de B es igual a P(CS,
= (4 ∗ 2) + (2 ∗ 2)
SC) = P(CS) + P(SC).
1 1 2
= (4) + (4) = 4 = 0.5

Respuesta: la probabilidad de obtener 1 cara y 1 sello es 0.5 (en porcentaje 50%)

Probabilidades conjuntas en condiciones de dependencia estadística

Se aplica en casos en que la ocurrencia del siguiente resultado, que puede ser el segundo tercero, etc.
depende de la anterior.
Un ejemplo típico lo constituyen los experimentos que consisten en hacer selecciones de fichas u otro objeto,
sin reposición.
Fórmula de cálculo:

𝑃(𝐴𝐵) = 𝑃(𝐴)𝑃(𝐵/𝐴)
Se lee:
La probabilidad conjunta de A y B es igual a la probabilidad de A por la probabilidad de B dado que ha ocurrido
A.
Ejemplo:
Una caja contiene 12 fichas de color azul y 8 fichas de color verde. Si se extraen dos fichas sin reposición,
a. ¿Cuál es la probabilidad que la primera ficha sea de color azul y la segunda también?
b. ¿Cuál es la probabilidad que la primera ficha sea de color azul y la segunda de color verde?

10
Solución al ejemplo del inciso a:

Procedimiento Ejemplo
1. A = la ficha es de color azul, V = la ficha es
1. Determinar el espacio muestral.
de color verde.
2. Identificar los puntos del espacio S = {AA, AV, VA, VV}
muestral que satisfacen las condiciones
planteadas en la pregunta.
2. A = {AA}
A: la primera ficha extraída es de color
azul y la segunda, también.
3. Reemplazar los valores en la ecuación y
efectuar los cálculos correspondientes.
En nuestro caso la probabilidad de A es 3.
igual a: 𝑃(𝐴𝐴) = 𝑃(𝐴)𝑃(𝐴/𝐴)

𝑃(𝐴𝐴) = 𝑃(𝐴)𝑃(𝐴/𝐴) 12 11 132

𝑃(𝐴𝐴) = ∗ = = 0.3474
20 19 380

Respuesta: la probabilidad de que la primera ficha sea de color azul y la segunda también es
0.3474 (en porcentaje 34.74%)

Solución al ejemplo del inciso b:

Procedimiento Ejemplo
1. A = la ficha es de color azul, V = la ficha es de
1. Determinar el espacio muestral.
color verde.
2. Identificar los puntos del espacio S = {AA, AV, VA, VV}
muestral que satisfacen las
condiciones planteadas en la
2. B = {AV}
pregunta.
B: la primera ficha extraída es de
color azul y la segunda de color
verde.
3. Reemplazar los valores en la 3. 𝑃(𝐴𝑉) = 𝑃(𝐴)𝑃(𝑉/𝐴)
ecuación y efectuar los cálculos
correspondientes. En nuestro caso la
probabilidad de B es igual a:
12 8 96
𝑃(𝐴𝑉) = ∗ = = 0.2526
𝑃(𝐴𝑉) = 𝑃(𝐴)𝑃(𝑉/𝐴) 20 19 380

Respuesta: la probabilidad de que la primera ficha sea de color azul y la segunda ficha verde
es 0.2526 (en porcentaje 25.26%)

11
Probabilidad condicionada
La probabilidad condicionada, denominada también probabilidad condicional, se presenta cuando la
probabilidad de un suceso depende de la ocurrencia de otro.
En términos generales, si se cuenta con alguna información sobre algún suceso se pretende averiguar,
tomando como base esa información, cuál es la probabilidad de ocurrencia de un segundo suceso. Como
ejemplo, si sabemos que el estudiante participa activamente en clases, ¿cuál es la probabilidad de que el
estudiante tenga éxito en la prueba?
La probabilidad condicional de que ocurra A dado que ha ocurrido B está dada dado por:

𝑃(𝐴𝐵)
𝑃(𝐴/𝐵) = La P(B) > 0
𝑃(𝐵)

La expresión P(A/B) se lee: probabilidad de A dado que ha ocurrido B.

Ejemplos:
a. Si se lanza un dado por una vez y se observa que el número que aparece es un número par, ¿cuál será
la probabilidad de que dicho número sea el cuatro?
Solución:

Procedimiento Ejemplo
1. S = {1, 2, 3, 4, 5, 6}
1. Determinar el espacio muestral y los
sucesos de interés. A: número 4. A = {4}
2. Plantear el problema:
B: número par. B = {2, 4, 6}
B: la primera ficha extraída es de
color azul y la segunda de color 2.
verde.
1 3 1
3. Reemplazar los valores en la 𝑃(𝐴) = 𝑃(𝐵) =
6
𝑃(𝐴𝐵) =
6 6
ecuación y efectuar los cálculos
correspondientes.
𝑃(𝐴𝐵) 1/6
𝑃(𝐴/𝐵) = 3. 𝑃(𝐴/𝐵) = = 0.33
𝑃(𝐵) 3/6

Respuesta: la probabilidad de obtener un número 4 dado que se obtuvo, en forma previa un

número par es 0.33 (en porcentaje 33%)

Teorema de Bayes
Es uno de los teoremas muy utilizados en el campo de la estadística aplicada, más aún cuando se trata de
determinar la probabilidad de un suceso que puede ser generado por varias causas. Antes de analizar el
Teorema de Bayes veremos la probabilidad de un suceso dada una participación en el espacio muestral,
llamada también probabilidad total.

12
Probabilidad total
Ejemplo:
Cierto artículo es manufacturado por 3 fábricas, con una producción de 100 a 40 y 60 unidades diarias
respectivamente. Asimismo, se sabe que el 5% de los artículos producidos por las dos primeras fábricas son
defectuosos mientras que el 6% de los manufacturados por la tercera son también defectuosos.
Seleccionamos aleatoriamente un artículo de la producción total en un cierto día, ¿Cuál será la probabilidad
que dicho artículo sea defectuoso?
Solución:

Procedimiento Ejemplo

1. Determinar el espacio 1. D = {DF1, DF2, DF3 }

muestral y los sucesos de DF1, DF2, DF3 = el artículo es defectuoso y es producido por la
interés. fábrica 1, 2 y 3, respectivamente.
1, 2 y 3 representan las fábricas.
D = el artículo es defectuoso. P(D) = P(DF1) +P(DF2) + P(DF3)
2. Calcular la probabilidad de D
2.
𝑃(𝐷) = 𝑃(𝐹1 𝐷) + 𝑃(𝐹2 𝐷) + 𝑃(𝐹3 𝐷)
𝑃(𝐷) = ∑ 𝑃(𝐹𝑖 )𝑃(𝐷/𝐹𝑖 )
= 𝑃(𝐹1 )𝑃(𝐷/𝐹1) + 𝑃(𝐹2 )𝑃(𝐷/𝐹2 ) + 𝑃(𝐹3 )𝑃(𝐷/𝐹3 )

La probabilidad de que el artículo

100 40 60
seleccionado sea defectuoso es =( ∗ 0.05) + ( ∗ 0.05) + ( ∗ 0.06)
igual a la sumatoria de las 200 200 200
probabilidades de que el artículo
haya sido producido por cada
fábrica, multiplicada por la = 0.025 + 0.01 + 0.018 = 0.053
probabilidad de que sea
defectuoso, dado que ha sido
producido por la fábrica 1, 2 y 3
respectivamente

Respuesta: La probabilidad de que el artículo sea defectuoso es 0.053.

Continuando con el análisis del problema, una vez conocida la probabilidad de que el artículo sea defectuoso,
será de interés dar respuesta a las siguientes interrogantes:
Siendo el artículo defectuoso:
a. ¿Cuál es la probabilidad de que provenga de la primera fábrica?
b. ¿Cuál es la probabilidad de que provenga de la segunda fábrica?
c. ¿Cuál es la probabilidad de que provenga de la tercera fábrica?

13
Solución a la pregunta planteada en el inciso a.

Procedimiento Ejemplo
1.
1. Planteamiento del problema
𝑃(𝐹1 𝐷) 𝑃(𝐹1 )𝑃(𝐷/𝐹1 )
𝑃(𝐹1 /𝐷) = 𝑃(𝐹1 /𝐷) =
𝑃(𝐷) 𝑃(𝐷)
2. Desarrollar la fórmula
reemplazando los datos 2.
correspondientes.
100
( ∗ 0.05)
En el denominador se coloca el 𝑃(𝐹1 /𝐷) = 200 = 0.4717
0.053
resultado obtenido en el
cuadro anterior, P(D) = 0.053 3.
𝑃(𝐹2 𝐷) 𝑃(𝐹2 )𝑃(𝐷/𝐹2 )
𝑃(𝐹2 /𝐷) = 𝑃(𝐹2 /𝐷) =
𝑃(𝐷) 𝑃(𝐷)

3. Para los problemas de los 40

( ∗ 0.05)
200
incisos b y c, el procedimiento 𝑃(𝐹2 /𝐷) = = 0.1887
0.053
es el mismo.

𝑃(𝐹3 𝐷) 𝑃(𝐹3 )𝑃(𝐷/𝐹3 )

𝑃(𝐹3 /𝐷) = 𝑃(𝐹3 /𝐷) =
𝑃(𝐷) 𝑃(𝐷)

60
( ∗ 0.06)
𝑃(𝐹2 /𝐷) = 200 = 0.3396
0.053

Respuestas:
a. La probabilidad de que el artículo provenga de la primera fábrica, siendo defectuoso es 0.4717.
b. La probabilidad de que el artículo provenga de la segunda fábrica, siendo defectuoso es 0.1887.
c. La probabilidad de que el artículo provenga de la tercera fábrica, siendo defectuoso es 0.3396.

14
Axiomas de probabilidad
Hemos designado la probabilidad como P. Si definimos la probabilidad del suceso A como P(A), ésta debe
cumplir los siguientes axiomas:

Axiomas Significación

1. P(A) ≥ 0 1. La probabilidad de un suceso no puede tomar valores

2. P(S) = 1 negativos.
3. 𝑃(𝐴1 ∪ 𝐴2 ∪ … . = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ 2. La probabilidad del espacio muestral es 1.
3. Para cualquier número de sucesos mutuamente
excluyentes, la probabilidad de ocurrencia de estos es
igual a la suma de sus probabilidades.

Teoremas de mayor aplicación sobre probabilidades

En base a los axiomas anteriores, podemos demostrar varios teoremas que son importantes y que tienen
aplicación en diferentes casos del cálculo de probabilidades.

Teoremas Significación
1. Si el suceso A1 está incluido en A, entonces su probabilidad
1. 𝐴1 ⊂ 𝐴2 ⇒ 𝑃(𝐴1 ) ≤ 𝑃(𝐴2 )
será siempre menor o igual a la probabilidad del suceso
A2.
2. 0 ≤ 𝑃(𝐴) ≤ 1
2. Para cada suceso A, su probabilidad podrá tomar valores
entre 0 y 1.
3. 𝑃(∅) = 0 3. La probabilidad de un suceso imposible es igual a 0, la
probabilidad del conjunto vacío es 0.

4. 𝑃(𝐴1 ) = 1 − 𝑃(𝐴) 4. Sí A1 es el complemento de A, entonces su probabilidad

puede obtenerse restando a 1 la probabilidad del suceso
A.
5. 𝑃(𝐴) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 ) 5. Sí A1, A2, …, son sucesos mutuamente excluyentes,
Luego: entonces, la probabilidad de estos será igual a la suma de
sus probabilidades, luego la sumatoria de todos ellos será
igual a 1.
𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ . +𝑃(𝐴𝑛 ) = 1
6. La probabilidad de sucesos A, B cualquiera, la probabilidad
de la suma de ambos será igual a la suma de sus
6. 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵) probabilidades, menos su probabilidad conjunta.
Generalizando:

𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶)

− 𝑃(𝐴𝐵) − 𝑃(𝐴𝐶)
− 𝑃(𝐵𝐶) + 𝑃(𝐴𝐵𝐶)

15